提出了一種結(jié)合非下采樣輪廓波變換（NSCT）和張量主成分分析（TPCA）的合成孔徑雷達（SAR）圖像目標識別方法。采用NSCT對SAR圖像進行分解獲得多尺度、多方向的子帶圖像,從而為目標提供更充分的描述信息。采用TPCA對各個子帶圖像進行特征提取,降低其中的冗余�；诟鱾�子帶圖像的特征矩陣,通過線性加權(quán)的方法獲得測試樣本與訓練樣本之間的距離測度。根據(jù)K近鄰（K-NN）的基本思想對測試樣本進行分類決策。采用MSTAR數(shù)據(jù)集設置多種實驗條件對提出方法進行測試,結(jié)果反映了該方法的有效性。 

【文章來源】：火力與指揮控制. 2020,45(09)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

標準操作條件下十類目標識別混淆矩陣表2標準操作條件各類方法對比

可能出現(xiàn)變化，因此，NSCT提供的多層次描述相比單一的PCA或TPCA具有更好的適應性。因此，本文方法可以在型號變化條件下保持最好的識別性能。表4型號變化條件下的訓練和測試樣本表5型號變化條件下各類方法對比3.2.3噪聲干擾噪聲干擾是SAR目標識別中的另一種典型擴展操作條件。收到環(huán)境噪聲以及雷達系統(tǒng)熱噪聲等因素的干擾，待識別的測試樣本往往具有很低的信噪比（SNR）。為此，本文首先按照文獻［5］中的策略通過噪聲條件的形式構(gòu)造噪聲樣本。對于表1中十類目標的噪聲測試樣本，基于原始的訓練集對其進行識別。圖4顯示了各類方法在不同信噪比下的識別性能。可以看出，本文方法能夠在各個信噪比下保持最佳的識別性能。根據(jù)文獻報道，NSCT作為一種信號分解方法，具有良好的去噪性能。因此，本文結(jié)合NSCT和TPCA獲得的特征能夠在噪聲干擾條件下保持較強的穩(wěn)健性。最終識別的結(jié)果仍然可以保持較高的精度。4結(jié)論本文提出結(jié)合NSCT和TPCA的SAR圖像特征提取及目標識別方法。NSCT通過對SAR圖像進行分解獲得低頻和高頻下的多層次描述，從而更充分地描述了原始圖像的全局和細節(jié)信息。在此基礎上，采用TPCA進行進一步的特征提取，獲得最終的特征矢量并用于目標識別。基于MSTAR數(shù)據(jù)集開展驗證實驗并與其他方法進行對比，結(jié)果表明，本文方法在標準操作條件、型號變化，以及噪聲干擾的典型條件下均可以保持更好的識別性能，表明了提出方法的有效性。后續(xù)的研究中，將針對多子帶NSCT圖像的自適應權(quán)值確定問題展開研究，進一步提高最終的融合性能。參考文獻：［1］KHALIE，ERICWG，PETERM，etal.Automatictargetrecognitioninsyntheticapertureradarimagery：astate-of-the-artreview［J］.IEEEAccess，2016（4）：6014-6058.［2］?

J表示分解尺度，lj為第j個尺度上方向濾波器組中濾波器的個數(shù)，aj代表第j尺度上的低頻子帶圖像，則bj，k是第j尺度上第k個方向的子帶圖像。圖1顯示了NSCT兩級分解的示意圖。其中，I1為分解后的低通分量，反映原始圖像的主要信息（如目標區(qū)域）；I2和I3均為高頻分量，反映原始圖像的細節(jié)信息（如目標輪廓、邊緣）。因此，采用多尺度、多方向的NSCT子帶圖像可以更好地描述原始圖像中的目標特征。鑒于NSCT具有的諸多優(yōu)良特性，本文將其應用于SAR圖像的特征提齲圖1NSCT兩級分解示意圖1.2TPCATPCA是PCA和張量分析結(jié)合的產(chǎn)物，它可以直接對二維甚至高維數(shù)據(jù)進行直接主成分分析，因此，避免了矢量化的操作，更好地保持原始數(shù)據(jù)結(jié)構(gòu)特性。本文采用二階TPCA對NSCT分解得到的·42·1568

【參考文獻】：
期刊論文
[1]基于增補小波變換和PCNN的NSCT域圖像融合算法[J]. 王健,張修飛,任萍,院文樂.  計算機工程與科學. 2018(10)
[2]輪廓定位下的人頭NSCT特征提取方法[J]. 孫萬春,張建勛,馬慧,朱佳寶.  重慶理工大學學報(自然科學). 2018(07)
[3]基于三維電磁散射參數(shù)化模型的SAR目標識別方法[J]. 文貢堅,朱國強,殷紅成,邢孟道,楊虎,馬聰慧,閆華,丁柏圓,鐘金榮.  雷達學報. 2017(02)
[4]屬性散射中心匹配及其在SAR目標識別中的應用[J]. 丁柏圓,文貢堅,余連生,馬聰慧.  雷達學報. 2017(02)
[5]基于小波字典稀疏表示的SAR圖像目標識別[J]. 田莉萍,王建國.  雷達科學與技術(shù). 2014(01)
[6]基于非負矩陣分解的SAR圖像目標識別[J]. 龍泓琳,皮亦鳴,曹宗杰.  電子學報. 2010(06)



本文編號：3573002