發(fā)布時間：2018-01-27 04:57

  本文關(guān)鍵詞： 合成孔徑雷達 目標識別 卷積神經(jīng)網(wǎng) 反饋學習　出處：《計算機應(yīng)用研究》2017年05期 　論文類型：期刊論文

【摘要】：針對合成孔徑雷達(SAR)圖像目標識別問題,在卷積神經(jīng)網(wǎng)的基礎(chǔ)上,提出了一種新的識別框架。該框架通過連接多個基本操作單元并以層次結(jié)構(gòu)構(gòu)造一個集特征提取和分類器訓練于一體的端到端網(wǎng)絡(luò),同時利用深度網(wǎng)絡(luò)的反向傳播完成分類器對特征提取的反饋以改進特征的效果。在MSTAR公開數(shù)據(jù)集上,該網(wǎng)絡(luò)框架分類十類目標達到了98.61%的精度,與其他方法相比,有效提高了SAR圖像目標的識別精度。所提框架能有效分類SAR圖像目標,具有良好的識別精度,且具備模塊化結(jié)構(gòu),無須復雜預處理,實現(xiàn)簡單。
[Abstract]:In order to solve the problem of target recognition in synthetic Aperture Radar (SAR) images, a convolutional neural network is proposed. In this paper, a new recognition framework is proposed, which connects several basic operation units and constructs an end-to-end network with feature extraction and classifier training. At the same time, the back propagation of the depth network is used to complete the feedback of the classifier to the feature extraction to improve the performance of the feature. On the MSTAR open data set. Compared with other methods, this network framework can effectively improve the accuracy of SAR image target recognition, and the proposed framework can effectively classify SAR image targets. It has good recognition accuracy, modular structure and simple realization without complicated preprocessing.
【作者單位】： 解放軍理工大學指揮信息系統(tǒng)學院;
【基金】：國家自然科學基金資助項目(61402519) 江蘇省自然科學基金資助項目(BK20140071)
【分類號】：TN957.52;TP183
【正文快照】： 作來盡可能有效刻畫SAR圖像目標,但是這仍然無法保證目標0引言在所提取的特征空間中具有很好的可分性;同時,諸如AdaB oost當前,由于合成孔徑雷達(synthetic aperture radar,SAR)獲選擇Haar特征的方式雖然一定程度上克服了人工設(shè)計特征的取偵查圖像數(shù)據(jù)越來越多,導致人工解譯的

【相似文獻】

相關(guān)期刊論文 前3條

1 唐超,胡光銳;利用神經(jīng)網(wǎng)方法進行地震信號處理的反褶積新方法[J];信號處理;1994年04期

2 劉茂;;一種基于模糊神經(jīng)網(wǎng)的超短波信號自動識別算法[J];成都信息工程學院學報;2007年05期

3 ;[J];;年期

，

本文編號：1467628