10.3969/j.issn.1001-506X.2015.06.09
基于多信息字典学习及稀疏表示的SAR目标识别
为了提高合成孔径雷达(synthetic aperture radar,SAR)图像中目标变体的识别性能,在鉴别字典学习及联合动态稀疏表示模型的基础上,提出一种基于多信息字典学习及稀疏表示的SAR目标识别方法.在训练阶段,采用鉴别字典学习LC-KSVD方法分别对目标图像域幅度信息及目标频域幅度信息进行字典学习.在测试阶段,结合训练阶段学到的2种信息的字典及测试目标的2种信息,采用联合动态稀疏表示模型求解2种信息下的稀疏表示系数.最后,根据2种信息下的重构误差实现对测试目标的识别.使用MSTAR数据集对算法进行验证,结果表明,新方法相对于现有的方法能够达到更好的识别性能.
合成孔径雷达、目标识别、字典学习、联合动态稀疏表示
37
TP95
国家自然科学基金61201292,61322103,61372132;全国优秀博士学位论文作者专项资金FANEDD-201156;国防预研基金;中央高校基本科研业务费专项资金资助课题
2015-07-17(万方平台首次上网日期,不代表论文的发表时间)
共8页
1280-1287