稀疏编码树框架下的SAR目标识别

发布时间：2018-01-11 09:35

  本文关键词：稀疏编码树框架下的SAR目标识别　出处：《计算机科学与探索》2017年05期 　论文类型：期刊论文

  更多相关文章： SAR目标识别 型号识别 稀疏编码树 字典学习 稀疏表示

【摘要】：为了提高利用合成孔径雷达(synthetic aperture radar,SAR)图像对目标型号识别的能力,在稀疏表示识别方法的基础上,提出了一种树形框架稀疏编码的雷达目标识别方法。稀疏编码树是由多个节点构成的分类器,其上每个节点由不同识别需求的子分类器构成。在训练阶段,分别针对目标型号识别需求以及型号识别需求学习相应分类器,组成分类器的根节点和子节点。识别阶段在根节点位置完成对目标类别的判断,再根据根节点的判断结果,对存在型号变体的目标,在子节点上再对型号进行识别,最终输出目标的识别结果,而不存在型号变体的目标则直接输出识别结果。基于美国运动和静止目标获取与识别(moving and stationary target acquisition and recognition,MSTAR)计划录取的SAR图像数据集上的实验结果表明,树形结构在取得与主流方法相当的目标类别识别精度的前提下,提高了对目标型号的识别能力,同时能够准确输出目标类别识别结果。
[Abstract]:In order to improve the ability of using synthetic aperture radar (SAR) image to recognize the target model, the method of sparse representation recognition is used. In this paper, a method of radar target recognition based on tree frame sparse coding is proposed. Sparse coding tree is a classifier composed of multiple nodes, each node is composed of sub-classifiers with different recognition requirements. Learning the corresponding classifier for the target model recognition requirement and the model recognition requirement respectively, the root node and the sub-node of the classifier are composed. The recognition stage completes the judgment of the target category at the root node position. Then according to the result of the root node, the target of the model variant is identified on the sub-node, and the final result of the target identification is outputted. Targets that do not have model variants are directly outputted. Acquisition and recognition based on US Motion and stationary targets (. Moving and stationary target acquisition and recognition. The experimental results on the SAR image data set obtained by MSTAR show that the tree structure improves the recognition ability of the target model on the premise of obtaining the recognition accuracy of the target category which is comparable to the mainstream method. At the same time, the target category recognition results can be output accurately.
【作者单位】： 南京航空航天大学计算机科学与技术学院;
【基金】：航空科学基金Nos.20151452021,20152752033~~
【分类号】：TN957.52
【正文快照】： 1引言图像中提取特征识别的方法相比,稀疏表示减弱了雷达目标识别(radar target recognition)是指从雷对图像预处理和姿态估计的要求,获得了比传统方达接收到的目标电磁波散射场的回波中提取出目标法更优秀的精度。之后有学者改进直接由训练样相关的特征,并对目标的种类、型号

【相似文献】

中国期刊全文数据库 前4条

1 周晏;王璐;;基于稀疏编码和禁忌优化的故障信号抽取方法[J];计算机测量与控制;2014年07期

2 庄永文;;关于稀疏编码理论及其应用[J];现代电子技术;2008年07期

3 李帅;许悦雷;马时平;倪嘉成;王坤;;基于小波变换和深层稀疏编码的SAR目标识别[J];电视技术;2014年13期

4 ;[J];;年期

中国硕士学位论文全文数据库 前8条

1 覃晓冰;基于稀疏编码的语音去噪技术研究[D];电子科技大学;2015年

2 黄成;基于非负稀疏编码的视频拷贝检测方法研究[D];湘潭大学;2015年

3 汤玫;基于稀疏编码字典和深度学习的极化SAR影像地物分类[D];西安电子科技大学;2015年

4 齐晓锐;稀疏编码的有效算法[D];西安电子科技大学;2013年

5 张汉超;流形上的稀疏编码[D];华东师范大学;2015年

6 吕远;基于稀疏编码的极化SAR影像地物分类[D];西安电子科技大学;2014年

7 钱龙;深度稀疏编码模型及应用[D];上海交通大学;2014年

8 丁一;基于视频时空特征稀疏编码表示的人体行为识别[D];上海交通大学;2014年

，

本文编号：1409024