基于Res-Net深度特征的SAR图像目标识别方法
采用Res-Net学习合成孔径雷达(Synthetic Aperture Radar,SAR)图像多层次深度特征,并基于结构相似性准则选取其中的有效成分.通过联合稀疏表示对选取的多层次深度特征进行表征和分析,判定输入样本的目标类别.利用MSTAR数据集进行测试,该方法对10类目标的识别率达到99.02%,对于俯仰角差异以及噪声干扰的稳健性更优.该方法能够有效结合Res-Net和联合稀疏表示在特征提取和分类决策方面的优势,提升识别方法的整体性能.
合成孔径雷达、目标识别、Res-Net、结构相似性、联合稀疏表示
36
TP391.4;TN957(计算技术、计算机技术)
国家自然科学基金;陕西省科技计划;宝鸡市科技计划
2021-04-19(万方平台首次上网日期,不代表论文的发表时间)
共8页
624-631