特征提取是合成孔徑雷達(dá)（synthetic aperture radar,SAR）目標(biāo)識(shí)別中的關(guān)鍵因素之一.文中提出聯(lián)合多層次單演譜特征的SAR目標(biāo)識(shí)別方法,采用單演信號(hào)對(duì)原始SAR圖像進(jìn)行分解,獲得不同層次的單演譜成分.基于斯皮爾曼等級(jí)相關(guān)分析分解的譜成分與原始SAR圖像的相關(guān)性,設(shè)置相似度門(mén)限來(lái)選取若干具有較強(qiáng)鑒別力的譜成分.采用聯(lián)合稀疏表示（joint sparse representation, JSR）對(duì)篩選得到的譜成分進(jìn)行表征和分類(lèi),并基于MSTAR公開(kāi)數(shù)據(jù)集在標(biāo)準(zhǔn)操作條件（standard operating conditions, SOC）和若干擴(kuò)展操作條件下對(duì)多類(lèi)地面車(chē)輛目標(biāo)進(jìn)行分類(lèi)測(cè)試.實(shí)驗(yàn)結(jié)果表明:本文方法在SOC下對(duì)10類(lèi)目標(biāo)的平均識(shí)別率達(dá)到98.52%;對(duì)30°和45°俯仰角下的10類(lèi)目標(biāo)平均識(shí)別率分別為98.15%和72.06%;在噪聲干擾條件下也可以保持良好的穩(wěn)健性.綜合對(duì)比,提出的方法相比現(xiàn)有幾類(lèi)SAR目標(biāo)識(shí)別方法具有一定的性能優(yōu)勢(shì). 

【文章來(lái)源】：電波科學(xué)學(xué)報(bào). 2020,35(03)北大核心CSCD

【文章頁(yè)數(shù)】：8 頁(yè)

【部分圖文】：

原始SAR圖像及其對(duì)應(yīng)的單演信號(hào)分解結(jié)果

本文設(shè)計(jì)的目標(biāo)識(shí)別方法基本流程如圖2所示,主要可分為特征提取、特征選擇和聯(lián)合分類(lèi)三個(gè)階段. 特征提取階段,采用單演信號(hào)對(duì)原始SAR圖像進(jìn)行分解,獲得多層次的單演譜成分;特征選擇階段,基于斯皮爾曼等級(jí)相關(guān)系數(shù)計(jì)算各層次單演譜成分與對(duì)應(yīng)SAR圖像的相似度,然后采用門(mén)限法選取若干具有較高相關(guān)的譜成分;聯(lián)合分類(lèi)階段,采用JSR對(duì)選取的單演譜成分進(jìn)行表征,根據(jù)求取的稀疏表示系數(shù)計(jì)算各個(gè)類(lèi)別對(duì)測(cè)試樣本的整體重構(gòu)誤差. 最終,根據(jù)最小誤差原則判定測(cè)試樣本的目標(biāo)類(lèi)別.4 實(shí)驗(yàn)與討論

在測(cè)試所提方法的同時(shí),將其與公開(kāi)文獻(xiàn)中的代表性方法及同類(lèi)方法進(jìn)行對(duì)比分析. 選用文獻(xiàn)[18-19]中設(shè)計(jì)的全卷積神經(jīng)網(wǎng)絡(luò)(A-ConvNets)以及遷移網(wǎng)絡(luò)方法作為深度學(xué)習(xí)模型方法的代表,兩種方法目前已成為SAR目標(biāo)識(shí)別領(lǐng)域的主流. 選用文獻(xiàn)[10,13]中設(shè)計(jì)的基于單演信號(hào)的方法作為同類(lèi)方法進(jìn)行對(duì)比,其中,文獻(xiàn)[10]中方法未進(jìn)行單演譜成分的篩選,文獻(xiàn)[13]中方法采用了SRC進(jìn)行預(yù)單演譜成分的預(yù)篩選,分別記為單演方法1和單演方法2.4.2 SOC

【參考文獻(xiàn)】：
期刊論文
[1]基于斯皮爾曼等級(jí)相關(guān)性的彩色圖像椒鹽噪點(diǎn)檢測(cè)算法[J]. 賈曉芬,郭永存,黃友銳,趙佰亭.  中國(guó)科學(xué)技術(shù)大學(xué)學(xué)報(bào). 2019(01)
[2]SAR圖像多層次正則化增強(qiáng)及在目標(biāo)識(shí)別中的應(yīng)用[J]. 謝晴,張洪.  電子測(cè)量與儀器學(xué)報(bào). 2018(09)
[3]基于互補(bǔ)特征層次決策融合的SAR目標(biāo)識(shí)別方法[J]. 趙鵬舉,甘凱.  電光與控制. 2018(10)
[4]深度卷積神經(jīng)網(wǎng)絡(luò)在遷移學(xué)習(xí)模式下的SAR目標(biāo)識(shí)別[J]. 李松,魏中浩,張冰塵,洪文.  中國(guó)科學(xué)院大學(xué)學(xué)報(bào). 2018(01)
[5]基于Spearman秩相關(guān)系數(shù)的紅外弱小目標(biāo)檢測(cè)[J]. 王濤.  科學(xué)技術(shù)與工程. 2017(02)
[6]屬性散射中心匹配及其在SAR目標(biāo)識(shí)別中的應(yīng)用[J]. 丁柏圓,文貢堅(jiān),余連生,馬聰慧.  雷達(dá)學(xué)報(bào). 2017(02)
[7]一種融合多模式單演特征的人臉識(shí)別方法[J]. 李昆明,王玲,閆海停,劉機(jī)福.  計(jì)算機(jī)應(yīng)用研究. 2014(04)
[8]基于小波字典稀疏表示的SAR圖像目標(biāo)識(shí)別[J]. 田莉萍,王建國(guó).  雷達(dá)科學(xué)與技術(shù). 2014(01)
[9]結(jié)合KPCA和稀疏表示的SAR目標(biāo)識(shí)別方法研究[J]. 韓萍,王歡.  信號(hào)處理. 2013(12)



本文編號(hào)：3358070