本文關(guān)鍵詞：基于小波變換和深層稀疏編碼的SAR目標(biāo)識(shí)別　出處：《電視技術(shù)》2014年13期 　論文類(lèi)型：期刊論文

  更多相關(guān)文章： 合成孔徑雷達(dá)圖像 目標(biāo)識(shí)別 深層稀疏編碼 深度學(xué)習(xí) 小波變換

【摘要】：針對(duì)SAR圖像預(yù)處理算法自適應(yīng)能力差、帶標(biāo)簽圖像不足、目標(biāo)特征提取困難等問(wèn)題,提出了一種基于小波變換和深層稀疏編碼的SAR圖像目標(biāo)自動(dòng)識(shí)別算法。首先利用灰度值和尺度縮放獲得大量的無(wú)標(biāo)簽SAR目標(biāo),并采用離散小波變換對(duì)圖像進(jìn)行高效的降維,再結(jié)合深層稀疏編碼提取目標(biāo)的深層抽象特征并完成識(shí)別任務(wù)。采用MSTAR數(shù)據(jù)庫(kù)中3類(lèi)軍事目標(biāo)進(jìn)行算法仿真與驗(yàn)證。實(shí)驗(yàn)結(jié)果表明,在沒(méi)有預(yù)處理的情況下,該算法能夠有效地完成多目標(biāo)SAR圖像分類(lèi),且具有較高的識(shí)別率和魯棒性。
[Abstract]:In order to solve the problems such as poor adaptive ability of SAR image preprocessing algorithm, insufficient tagged image and difficult target feature extraction, etc. An automatic target recognition algorithm for SAR images based on wavelet transform and deep sparse coding is proposed. Firstly, a large number of untagged SAR targets are obtained by using gray value and scale scaling. And the discrete wavelet transform is used to reduce the dimension of the image efficiently. Combined with deep sparse coding to extract the deep abstract features of the target and complete the task of recognition. The algorithm is simulated and verified by using three kinds of military targets in MSTAR database. The experimental results show that. Without preprocessing, the algorithm can effectively achieve multi-target SAR image classification, and has high recognition rate and robustness.
【作者單位】： 空軍工程大學(xué)航空航天工程學(xué)院;甘肅省張掖市山丹縣95876部隊(duì);
【基金】：國(guó)家自然科學(xué)基金項(xiàng)目(61372167;61379104) 航空科學(xué)基金項(xiàng)目(20115896022)
【分類(lèi)號(hào)】：TN957.52
【正文快照】： 合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)由于其全天候作戰(zhàn)的特點(diǎn)而迅速發(fā)展起來(lái)。SAR圖像作為一種新型的遙感圖像具有特殊的乘性斑點(diǎn)噪聲及豐富的紋理信息等特點(diǎn)。通常情況下,SAR圖像目標(biāo)自動(dòng)識(shí)別算法在識(shí)別前必須要進(jìn)行圖像預(yù)處理,要求在有效抑制相干斑噪聲的同時(shí)較好地

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 杜軍;;基于稀疏編碼和ICA的帶噪混疊語(yǔ)音盲分離[J];山東師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2008年04期

2 凌潔;劉琚;趙彩華;杜軍;;基于稀疏編碼的語(yǔ)音增強(qiáng)方法研究[J];電路與系統(tǒng)學(xué)報(bào);2008年06期

3 杜軍;;基于稀疏編碼的語(yǔ)音增強(qiáng)方法[J];青島大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年01期

4 陳紅艷;李磊民;;基于ICA的極化SAR圖像相干斑抑制[J];電子科技大學(xué)學(xué)報(bào);2006年04期

5 莊永文;;關(guān)于稀疏編碼理論及其應(yīng)用[J];現(xiàn)代電子技術(shù);2008年07期

6 尚麗;杜吉祥;翟傳敏;;稀疏編碼算法概述[J];蘇州市職業(yè)大學(xué)學(xué)報(bào);2009年01期

7 陳紅艷;付毓生;張睿;皮亦鳴;;基于ICA-SCS算法的極化SAR圖像相干斑抑制[J];電子與信息學(xué)報(bào);2007年04期

8 孫海英;王曉凱;李鋒;;基于多項(xiàng)式擬合的稀疏編碼圖像去噪算法研究[J];計(jì)算機(jī)工程與設(shè)計(jì);2011年03期

9 孔薇,楊杰,周越;基于獨(dú)立成分分析的強(qiáng)背景噪聲去噪方法[J];上海交通大學(xué)學(xué)報(bào);2004年12期

10 尚麗,鄭春厚;基于稀疏編碼的自然圖像特征提取及去噪[J];系統(tǒng)仿真學(xué)報(bào);2005年07期

相關(guān)會(huì)議論文 前4條

1 盧清;趙治棟;;基于稀疏編碼閾值的平移不變法心電信號(hào)去噪[A];浙江省信號(hào)處理學(xué)會(huì)2011學(xué)術(shù)年會(huì)論文集[C];2011年

2 錢(qián)樂(lè)樂(lè);高雋;徐小紅;;非負(fù)性約束的圖像稀疏編碼[A];第七屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集[C];2009年

3 鄒琪;羅四維;;模擬視覺(jué)系統(tǒng)的稀疏編碼神經(jīng)網(wǎng)絡(luò)模型[A];第十一屆全國(guó)信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2003）論文集[C];2003年

4 石自強(qiáng);楊靜;鄭鐵然;韓紀(jì)慶;;基于錨空間的音頻場(chǎng)景識(shí)別[A];第十一屆全國(guó)人機(jī)語(yǔ)音通訊學(xué)術(shù)會(huì)議論文集（一）[C];2011年

相關(guān)博士學(xué)位論文 前5條

1 廖靈芝;稀疏編碼算法中的自適應(yīng)問(wèn)題研究[D];北京交通大學(xué);2008年

2 關(guān)欣;音樂(lè)信號(hào)自動(dòng)分類(lèi)相關(guān)算法研究[D];天津大學(xué);2009年

3 楊浩;面向不確定環(huán)境的物聯(lián)網(wǎng)壓縮感知問(wèn)題研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2013年

4 王哲;基于初級(jí)視覺(jué)機(jī)制的圖像編碼模型研究[D];北京交通大學(xué);2011年

5 姜明新;智能視頻監(jiān)控中的目標(biāo)跟蹤技術(shù)研究[D];大連理工大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 齊曉銳;稀疏編碼的有效算法[D];西安電子科技大學(xué);2013年

2 劉旭;基于稀疏非負(fù)矩陣分解的大鼠工作記憶稀疏編碼與功能連接的研究[D];天津醫(yī)科大學(xué);2013年

3 雷煜;基于fMRI的視覺(jué)信息編碼技術(shù)研究[D];解放軍信息工程大學(xué);2013年

4 潘秋豐;基于兩步稀疏編碼和字典學(xué)習(xí)的SAR圖像去斑[D];西安電子科技大學(xué);2013年

5 陳紅艷;極化SAR圖像相干斑抑制研究[D];電子科技大學(xué);2006年

6 趙彩華;帶噪混疊語(yǔ)音信號(hào)盲分離方法研究[D];山東大學(xué);2006年

7 何威;機(jī)械故障診斷中的微弱信號(hào)提取方法的研究[D];北京化工大學(xué);2010年

8 彭泓龍;關(guān)鍵零部件早期裂紋源信號(hào)的提取[D];長(zhǎng)沙理工大學(xué);2013年

9 盧清;心電信號(hào)消嗓算法及R峰定位的研究[D];杭州電子科技大學(xué);2012年

10 趙亮;信號(hào)稀疏表示理論及應(yīng)用研究[D];哈爾濱工程大學(xué);2012年

，

本文編號(hào)：1427184