《雷达学报杂志》发表论文赏析

基于FCNN和ICAE的SAR图像目标识别方法

来源:雷达学报杂志2018年第5期北京时间:

作者:喻玲娟, 王亚东, 谢晓春, 林赟, 洪文

单位:①.江西理工大学信息工程学院   赣州   341000;②.中国科学院电子学研究所   北京   100190;③.赣南师范大学物理与电子信息学院   赣州   341000;

摘要:近年来,基于卷积神经网络(Convolutional Neural Network, CNN)的合成孔径雷达(Synthetic Aperture Radar, SAR)图像目标识别得到深入研究。全卷积神经网络(Fully Convolutional Neural Network, FCNN)是CNN结构上的改进,它比CNN能获得更高的识别率,但在训练过程中仍需要大量的带标签训练样本。该文提出一种基于FCNN和改进的卷积自编码器(Improved Convolutional Auto-Encoder, ICAE)的SAR图像目标识别方法,即先用ICAE无监督训练方式获得的编码器网络参数初始化FCNN的部分参数,后用带标签训练样本对FCNN进行训练。基于MSTAR数据集的十类目标分类实验结果表明,在不扩充带标签训练样本的情况下,该方法不仅能获得98.14%的平均正确识别率,而且具有较强的抗噪声能力。

关键词:合成孔径雷达, 自动目标识别, 全卷积神经网络, 卷积自编码器, 改进的卷积自编码器

基金资助:国家自然科学基金(61431018,61501210,61571421),江西省自然科学基金(20161BAB202054),江西省教育厅科技项目(GJJ150684,GJJ170825)

2018年5期其他文献查阅:

微动目标雷达特征提取、成像与识别研究进展

基于RID序列的微动目标高分辨三维成像方法

基于双雷达微动特征融合的无人机分类识别

基于卷积神经网络的海上微动目标检测与分类方法

基于跟踪脉冲的MIMO雷达多目标微动特征提取

数字电视外辐射源雷达多旋翼无人机微多普勒效应实验研究

正弦调频Fourier-Bessel变换及其在微动目标特征提取中的应用

用于SAR与通信一体化系统的滤波器组多载波波形

一种基于Dropout约束深度极限学习机的雷达目标分类算法

基于FCNN和ICAE的SAR图像目标识别方法

填文献完整题目 获取完整文献

填写需求
联系方式
注:学术顾问会在1小时内联系您,请留意!