《雷达学报杂志》发表论文赏析
作者:张新征, 谭志颖, 王亦坚
单位:重庆大学通信工程学院 重庆 400044;
摘要:针对合成孔径雷达(Synthetic Aperture Radar, SAR)图像目标识别问题,该文提出了一种基于多特征-多表示学习分类器融合的识别算法。首先,该算法提取了SAR图像3种特征,包括主成分(Principle Component Analysis, PCA)特征,小波变换特征和2维切片Zernike矩(2-Dimension Slice Zernike Moments, 2DSZM)特征。然后,将测试样本的3类特征分别输入稀疏表示分类器和协同表示分类器进行预分类,得到6个预测标签。对6个预测标签进行分类器融合,得到最终的识别决策。实验中研究了3种不同的分类器融合算法,实验结果表明利用贝叶斯决策融合得到了最佳的识别性能。基于多特征-多表示学习分类器融合的方法集成了多特征的鉴别能力,也融合了稀疏和协同表示的分类性能,实现优势互补,有效提高了识别精度。基于Moving and Stationary Target Acquisition and Recognition (MSTAR)公开发布的SAR目标数据库的实验验证了该方法的有效性。
关键词:合成孔径雷达, 目标识别, 稀疏表示, 协同表示, 决策融合
基金资助:国家自然科学基金(61301224)
2017年5期其他文献查阅:
一种极化熵结合混合GEV模型的全极化SAR潮间带区域地物分类方法