10.3969/j.issn.1006-9348.2023.05.009
基于Frost滤波和改进CNN的SAR图像TR方法
针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别算法识别准确率极易受到斑点噪声影响,且模型容易出现过拟合的问题,提出了一种基于Frost滤波和改进的卷积神经网络的目标识别方法.利用Frost滤波算法对SAR图像进行了滤波处理,减少了相干斑噪声;对CNN网络进行改进,建立了一个SAR图像目标识别模型,在网络中引入 L2 正则化和Dropout结构,抑制过拟合现象的发生;采用 Adam 优化算法,提高模型的收敛效率;最后采用组合的数据增强方法,扩充SAR图像数据集,进一步提高识别的准确率.利用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition,MSTAR)SAR图像数据进行实验,综合识别准确率可以达到98.06%,结果表明本文所提的方法具有更好的识别效果.
合成孔径雷达、目标识别、卷积神经网络、相干斑噪声、数据增强
40
TP391.4(计算技术、计算机技术)
北京市自然科学基金资助项目6214034
2023-07-05(万方平台首次上网日期,不代表论文的发表时间)
共8页
49-55,233