稀疏表示框架下的SAR目标识别

发布时间：2018-04-22 08:00

  本文选题：级联字典 + 字典构建　； 参考：《电子科技大学学报》2014年04期

【摘要】：稀疏表示选择最佳线性表示重构信号,可避免合成孔径雷达(SAR)目标识别中的方位角估计难题,同时减轻强相干噪声影响。稀疏字典选择是稀疏表示中的关键问题之一,该文提出分别使用级联方式和并联方式构造稀疏字典实现SAR目标识别。首先对训练样本进行对数归一化处理,使用主成分分析(PCA)特征提取和降维;然后对处理后的数据分别组成级联字典和并联字典,采用截断牛顿内点法(TNIPM)获得目标的稀疏表示;最后,在两种字典的稀疏表示框架下设计分类器对SAR目标识别。通过对比实验,验证了该文的字典构建方式在稀疏表示框架下对SAR目标识别的有效性。
[Abstract]:The problem of azimuth estimation in synthetic Aperture Radar (SAR) target recognition can be avoided and the influence of strong coherent noise can be alleviated by sparse representation selecting optimal linear representation to reconstruct signal. The selection of sparse dictionaries is one of the key problems in sparse representation. This paper proposes to construct sparse dictionaries using cascaded and parallel methods to realize SAR target recognition. Firstly, the training samples are treated with logarithmic normalization, and the feature extraction and dimensionality reduction are performed by using principal component analysis (PCA), then the processed data are composed of cascaded dictionaries and parallel dictionaries respectively, and the sparse representation of the target is obtained by truncating Newton's internal point method (TNIPM). Finally, a classifier is designed for SAR target recognition under the framework of sparse representation of two dictionaries. A comparative experiment is conducted to verify the effectiveness of the proposed dictionary construction method for SAR target recognition under the sparse representation framework.
【作者单位】： 电子科技大学电子工程学院;中国人民解放军95438部队;
【基金】：国家自然科学基金(61201271) 四川省省院科技合作计划项目(2012JZ0001)
【分类号】：TN957.52

【参考文献】

相关期刊论文 前1条

1 张锐;洪峻;明峰;;基于目标CSAR回波模型的SAR自动目标识别算法[J];电子与信息学报;2011年01期

【共引文献】

相关期刊论文 前2条

1 夏敏纳;龚德良;肖娟;;一种面向可靠云计算的自适应故障检测方法[J];计算机应用研究;2014年02期

2 黄晓生;黄萍;曹义亲;严浩;;一种改进的基于K-SVD字典学习的运动目标检测算法[J];微电子学与计算机;2014年03期

相关博士学位论文 前4条

1 宣曼;H.264/AVC视频完整性认证关键技术研究[D];合肥工业大学;2011年

2 高广宇;影视视频结构解析及自动编目技术研究[D];北京邮电大学;2013年

3 潘巍巍;故障严重程度识别的有序分类特征分析方法[D];哈尔滨工业大学;2013年

4 蔡宇;三维人脸检测与识别技术研究[D];吉林大学;2013年

相关硕士学位论文 前8条

1 赵健;基于判别稀疏局部保持投影的图像识别[D];西安电子科技大学;2013年

2 汪桃林;基于稀疏表示的短语音说话人识别[D];电子科技大学;2013年

3 张慈祥;基于奇异值分解和稀疏表示的人脸识别[D];昆明理工大学;2013年

4 马鹏;基于非负矩阵分解和稀疏表示的人脸识别算法研究[D];重庆大学;2013年

5 徐东勋;基于稀疏编码的快速人脸识别算法研究[D];中国海洋大学;2013年

6 马彦鑫;基于CAD和心脏超声图像序列的血栓识别方法研究[D];哈尔滨工业大学;2013年

7 姜辉明;基于稀疏表示的人脸识别方法研究[D];华东交通大学;2013年

8 刘训利;基于线性表示模型的人脸识别研究[D];西南交通大学;2014年

【二级参考文献】

相关期刊论文 前4条

1 韩征;苏志刚;韩萍;吴仁彪;;基于样本正交子空间的SAR目标识别方法[J];电子与信息学报;2009年11期

2 张锐;洪峻;明峰;;基于电磁散射的复杂目标SAR回波与图像仿真[J];电子与信息学报;2010年12期

3 胡利平;刘宏伟;吴顺君;;一种新的SAR图像目标识别预处理方法[J];西安电子科技大学学报;2007年05期

4 高贵;何鹃;匡纲要;黄纪军;李德仁;;SAR图像目标方位角估计方法综述[J];信号处理;2008年03期

【相似文献】

相关期刊论文 前10条

1 刘晓山;付国兰;;基于脊波变换的图像压缩[J];电脑与信息技术;2007年02期

2 刘晓山;付国兰;;基于脊波变换和SPIHT算法相结合的图像压缩[J];江西师范大学学报(自然科学版);2007年06期

3 王华丹;刘海林;;稀疏盲源分离问题的恢复性研究[J];广东工业大学学报;2008年02期

4 谈华f，

本文编号：1786290