欢迎来到天天文库
浏览记录
ID:54366942
大小:979.67 KB
页数:8页
时间:2020-04-29
《应用局部约束二维稀疏表示识别SAR图像目标.pdf》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、第36卷第3期国防科技大学学报Vol.36No.32014年6月JOURNALOFNATIONALUNIVERSITYOFDEFENSETECHNOLOGYJun.2014doi:10.11887/j.cn.201403031http://journal.nudt.edu.cn应用局部约束二维稀疏表示识别SAR图像目标1,2344金斌,张静,王威,张军(1海军航空工程学院研究生管理大队,山东烟台 264001;2.海军装备部兵器部,北京 100073;3.海军航空工程学院电子信息工程系,山东烟台 264001;4.国防科技大学电子科学与工程学院,湖南长沙 410073)摘要:在分析典
2、型稀疏表示分类方法和局限性的基础上,提出了一种基于局部约束的二维稀疏表示方法,以有效解决SAR图像目标识别问题。该方法对SAR图像进行图像预处理,在兼顾图像相邻列(行)对应稀疏表示系数邻近性和样本间局部性的基础上,构建了局部约束目标函数,并通过解闭式解,实现稀疏表示系数的更新求解。利用美国实测MSTAR数据对算法进行了仿真验证,实验结果表明所提出的方法可实现SAR图像目标的有效识别,并对训练样本数目具有一定的鲁棒性。关键词:合成孔径雷达;自动目标识别;二维稀疏表示;局部约束中图分类号:TN919 文献标志码:A 文章编号:1001-2486(2014)03-0177-07Twodim
3、ensionallocalconstrainedcodingandsparserepresentationforSARimagestargetsrecognition1,2344JINBin,ZHANGJing,WANGWei,ZHANGJun(1GraduateStudents’Brigade,NavalAeronauticalandAstronauticalUniversity,Yantai264001,China;2.ArmamentBranchofNED,Beijing100073,China;3.DepartmentofElectronicandInformationEng
4、ineering,NavalAeronauticalandAstronauticalUniversity,Yantai264001,China;4.CollegeofElectronicScienceandEngineering,NationalUniversityofDefenseTechnology,Changsha410073,China)Abstract:Byanalyzingthelimitationofthetraditionalsparserepresentationbasedclassification,anovelclassificationframeworkcalle
5、dtwodimensionalLocalconstrainedCodingandSparseRepresentation(2DLSRC)isproposedforSyntheticApertureRadar(SAR)imagesrecognition.Differentfromotherrecentpopularvectorbasedrepresentation,2DLSRCpreservesthegloballinearcodingcoefficientsbetweentheinputmatrixandtheseelementarymatrices,aswellastheloc
6、aldatastructure.ExtensiveexperimentalresultsofMSTARdatasetsshowtheeffectivenessoftheproposedalgorithmsanditsrobustnessforthenumberofthetrainingdataset.Keywords:SAR;automatictargetrecognition;twodimensionalsparserepresentation;localityconstrained合成孔径雷达(SyntheticApertureRadar,特征提取和识别方法,如文献[4]开展了基于S
7、AR)是一种工作在微波波段的主动式相干成像SAR图像的模板匹配识别方法,这种方法虽能获[1]雷达。这种雷达具有高分辨率成像和大面积得较好地识别结果,但对参考模板的数据量要求数据获取的能力,同时还具有全天候、全天时获取较高,当训练样本数较少时,识别率大大降低。文数据以及穿透植被和遮盖物的能力,因此基于献[5]研究了一种基于支持向量机(SupportSAR的自动目标识别技术在战场感知方面非常VectorMachine,SVM)识别方法。
此文档下载收益归作者所有