基于SVM和SRC级联决策融合的SAR图像目标识别方法

发布时间：2021-02-22 23:30

　　提出基于支持向量机（support vector machine,SVM）和稀疏表示分类（sparse representation-based classification,SRC）级联决策融合的合成孔径雷达（synthetic aperture radar,SAR）图像目标识别方法。首先,采用SVM对测试样本进行分类,根据各个训练类别输出的后验概率,采用门限判决法选取其中具有高置信度的候选类别;其次,基于候选训练样本构造字典,对测试样本进行SRC分类;最后,采用线性加权融合SVM和SRC的决策值,获得更为可靠的识别结果。SVM的预筛选分类有效降低了SRC中的字典规模,从而提高其分类效率,同时,SRC具有的噪声、遮挡稳健性也可以补充SVM在此方面的不足。因此,提出的方法可以有效综合SVM和SRC的优势,提高最终的识别性能。采用MSTAR数据集进行识别实验,结果验证了本文方法的有效性。 

【文章来源】：河南理工大学学报(自然科学版). 2020,39(04)北大核心

【文章页数】：7 页

【文章目录】：
0 引 言
1 SVM基本原理
2 SRC基本原理
3 SVM与SRC级联决策融合
    3.1 基于SVM的预筛选
    3.2 线性加权融合
4 实验与分析
    4.1 实验数据集
    4.2 标准操作条件
    4.3 俯仰角差异
    4.4 噪声干扰
    4.5 遮挡
5 结 论



本文编号：3046707