基于字典学习和拓展联合动态稀疏表示的SAR目标识别

摘要：

提出了一种基于字典学习和拓展联合动态稀疏表示的合成孔径雷达(Synthetic aperture radar,SAR)图像的目标自动识别(Automatic target recognition,ATR)方法.首先,在图像预处理时,分割出目标区域和目标遮挡地面形成的阴影区域,将这两个区域的信息结合起来能更好地表示图像.其次,将字典学习方法LC-KSVD(Label consistent k-singular value decomposition)引入到训练阶段中,分别学习目标区域和阴影区域的特征字典,而不是直接将所有训练样本作为固定字典.最后,在测试阶段提出了拓展联合动态稀疏表示算法,使图像数据中的两个特征共享相似但不完全相同的稀疏模式,还可处理图像噪声遮挡损坏问题.标准数据集上的实验结果表明,该方法使不同类别更具区分性,有效地提高了SAR图像的目标识别准确度.

关键词：字典学习、拓展联合动态稀疏表示、目标识别、合成孔径雷达图像

所属期刊栏目：46

资助基金：国家自然科学基金;中央高校基本科研业务费专项资金项目;南京市科技计划项目

在线出版日期：2021-02-25（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2638-2646