基于非负稀疏表示的SAR图像目标识别方法

发布时间：2018-06-21 05:34

本文选题：SAR目标识别 + 非负稀疏表示　；参考：《电子与信息学报》2014年09期

【摘要】：针对合成孔径雷达(SAR)图像目标识别中存在物体遮挡的情况,该文提出一种基于非负稀疏表示的分类方法。通过分析L0范数和L1范数最小化在求解非负稀疏表示问题上的区别,证明在一定条件下,L1范数最小化方法除了保持解的稀疏性还能得到与输入信号更加相似的原子集合,因此也更加适用于分类问题中。在运动和静止目标获取与识别(MSTAR)数据集上的识别实验结果表明,采用L1范数的非负稀疏表示分类方法能达到较好的识别性能,并且相对传统方法对存在遮挡情况下的识别问题更稳健。
[Abstract]:In this paper, a classification method based on non-negative sparse representation is proposed to solve the problem of object occlusion in synthetic aperture radar (SAR) image recognition. By analyzing the difference between L _ 0 norm and L _ 1 norm minimization in solving the non-negative sparse representation problem, it is proved that under certain conditions, in addition to preserving the sparsity of the solution, we can obtain an atomic set more similar to the input signal. Therefore, it is more suitable for classification problems. The experimental results on the moving and stationary target acquisition and recognition data sets show that the non-negative sparse representation classification method based on L1 norm can achieve better recognition performance. And it is more robust than the traditional method in the case of occlusion.
【作者单位】：西安电子科技大学雷达信号处理国家重点实验室;
【基金】：国家自然科学基金(61271024,61201292,61201283) 新世纪优秀人才支持计划(NCET-09-0630) 全国优秀博士学位论文作者专项资金(FANEDD-201156) 国家部委基金中央高校基本科研业务费专项资金资助课题
【分类号】：TN957.52

【相似文献】