考察独立性和相关性的多视角SAR图像目标识别方法

发布时间：2021-10-13 11:04

　　提出了一种考察独立性和相关性的合成孔径雷达（SAR）图像目标识别方法。由于SAR图像的方位角敏感性,参与识别的多视角SAR图像之间的关联性不够稳定。首先,基于图像相关对多视角SAR图像进行聚类,获得具有较强内在关联的多个视角集。然后,对于每一个视角集,分别采用联合稀疏表示对其进行联合重构,获得高精度的重构误差。最终,采用线性加权的方法融合各个视角集合的重构误差并根据融合误差判定目标类别。基于MSTAR数据集进行了实验测试,结果表明了提出方法的有效性。 

【文章来源】：电光与控制. 2020,27(03)北大核心CSCD

【文章页数】：6 页

【部分图文】：

不同方位角的SAR图像对比

图2显示了本文方法的基本流程,介绍了本文方法中的几个主要环节,包括多视角聚类、多视角联合稀疏表示以及各个视角集结果的线性加权融合。通过考察多视角SAR图像的独立性和相关性提高最终的识别性能。具体实施中,为降低SAR图像的维度,按照文献[12]中的方法采用随机投影算法将其变换为520维的特征矢量。值得注意的是,当某些聚类结果仅包含一幅SAR图像时,联合稀疏表示就退化为传统的稀疏表示分类,这并不影响本文方法的实施。3 实验与分析

表2 10类MSTAR目标的训练和测试样本Table 2 The training and test samples of ten MSTAR targets 类别 训练集(17°俯仰角) 测试集(15°俯仰角) 类别 训练集(17°俯仰角) 测试集(15°俯仰角) BMP2 233 195 BTR60 256 195 BTR70 233 196 ZSU23/4 299 274 T72 232 196 D7 299 274 T62 299 273 ZIL131 299 274 BRDM2 298 274 2S1 299 2743.2 实验结果与分析

【参考文献】：
期刊论文
[1]基于目标区域匹配的SAR目标识别方法[J]. 付凡成.  电光与控制. 2018(04)
[2]属性散射中心匹配及其在SAR目标识别中的应用[J]. 丁柏圆,文贡坚,余连生,马聪慧.  雷达学报. 2017(02)



本文编号：3434535