应用局部约束二维稀疏表示识别SAR图像目标.pdf

《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、ｅｎｓｉｏｎａｌｌｏｃａｌｃｏｎｓｔｒａｉｎｅｄｃｏｄｉｎｇａｎｄｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｆｏｒＳＡＲｉｍａｇｅｓｔａｒｇｅｔｓｒｅｃｏｇｎｉｔｉｏｎ１，２３４４ＪＩＮＢｉｎ，ＺＨＡＮＧＪｉｎｇ，ＷＡＮＧＷｅｉ，ＺＨＡＮＧＪｕｎ（１ＧｒａｄｕａｔｅＳｔｕｄｅｎｔｓ’Ｂｒｉｇａｄｅ，ＮａｖａｌＡｅｒｏｎａｕｔｉｃａｌａｎｄＡｓｔｒｏｎａｕｔｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｙａｎｔａｉ２６４００１，Ｃｈｉｎａ；２．ＡｒｍａｍｅｎｔＢｒａｎｃｈｏｆＮＥＤ，Ｂｅｉｊｉｎｇ１０００７３，Ｃｈｉｎａ；３．ＤｅｐａｒｔｍｅｎｔｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇ

4、ｉｎｅｅｒｉｎｇ，ＮａｖａｌＡｅｒｏｎａｕｔｉｃａｌａｎｄＡｓｔｒｏｎａｕｔｉｃａｌＵｎｉｖｅｒｓｉｔｙ，Ｙａｎｔａｉ２６４００１，Ｃｈｉｎａ；４．ＣｏｌｌｅｇｅｏｆＥｌｅｃｔｒｏｎｉｃＳｃｉｅｎｃｅａｎｄＥｎｇｉｎｅｅｒｉｎｇ，ＮａｔｉｏｎａｌＵｎｉｖｅｒｓｉｔｙｏｆＤｅｆｅｎｓｅＴｅｃｈｎｏｌｏｇｙ，Ｃｈａｎｇｓｈａ４１００７３，Ｃｈｉｎａ）Ａｂｓｔｒａｃｔ：Ｂｙａｎａｌｙｚｉｎｇｔｈｅｌｉｍｉｔａｔｉｏｎｏｆｔｈｅｔｒａｄｉｔｉｏｎａｌｓｐａｒｓｅｒｅｐｒｅｓｅｎｔａｔｉｏｎｂａｓｅｄｃｌａｓｓｉｆｉｃａｔｉｏｎ，ａｎｏｖｅｌｃｌａｓｓｉｆｉｃａｔｉｏｎｆｒａｍｅｗｏｒｋｃａｌｌｅ

5、ｄｔｗｏｄｉｍｅｎｓｉｏｎａｌＬｏｃａｌｃｏｎｓｔｒａｉｎｅｄＣｏｄｉｎｇａｎｄＳｐａｒｓｅＲｅｐｒｅｓｅｎｔａｔｉｏｎ（２ＤＬＳＲＣ）ｉｓｐｒｏｐｏｓｅｄｆｏｒＳｙｎｔｈｅｔｉｃＡｐｅｒｔｕｒｅＲａｄａｒ（ＳＡＲ）ｉｍａｇｅｓｒｅｃｏｇｎｉｔｉｏｎ．Ｄｉｆｆｅｒｅｎｔｆｒｏｍｏｔｈｅｒｒｅｃｅｎｔｐｏｐｕｌａｒｖｅｃｔｏｒｂａｓｅｄｒｅｐｒｅｓｅｎｔａｔｉｏｎ，２ＤＬＳＲＣｐｒｅｓｅｒｖｅｓｔｈｅｇｌｏｂａｌｌｉｎｅａｒｃｏｄｉｎｇｃｏｅｆｆｉｃｉｅｎｔｓｂｅｔｗｅｅｎｔｈｅｉｎｐｕｔｍａｔｒｉｘａｎｄｔｈｅｓｅｅｌｅｍｅｎｔａｒｙｍａｔｒｉｃｅｓ，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。