期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
基于斯皮尔曼等级相关的单演谱成分选择及其在SAR目标识别中的应用 被引量：9
1
作者 兰文宝 车畅 陶成云 《电波科学学报》 EI CSCD 北大核心 2020年第3期414-421,共8页
特征提取是合成孔径雷达(synthetic aperture radar,SAR)目标识别中的关键因素之一.文中提出联合多层次单演谱特征的SAR目标识别方法,采用单演信号对原始SAR图像进行分解,获得不同层次的单演谱成分.基于斯皮尔曼等级相关分析分解的谱成... 特征提取是合成孔径雷达(synthetic aperture radar,SAR)目标识别中的关键因素之一.文中提出联合多层次单演谱特征的SAR目标识别方法,采用单演信号对原始SAR图像进行分解,获得不同层次的单演谱成分.基于斯皮尔曼等级相关分析分解的谱成分与原始SAR图像的相关性,设置相似度门限来选取若干具有较强鉴别力的谱成分.采用联合稀疏表示(joint sparse representation,JSR)对筛选得到的谱成分进行表征和分类,并基于MSTAR公开数据集在标准操作条件(standard operating conditions,SOC)和若干扩展操作条件下对多类地面车辆目标进行分类测试.实验结果表明:本文方法在SOC下对10类目标的平均识别率达到98.52%;对30°和45°俯仰角下的10类目标平均识别率分别为98.15%和72.06%;在噪声干扰条件下也可以保持良好的稳健性.综合对比,提出的方法相比现有几类SAR目标识别方法具有一定的性能优势. 展开更多
关键词 合成孔径雷达(SAR) 目标识别 单演信号 斯皮尔曼等级相关 联合稀疏表示(jsr) 标准操作条件(SOC)
下载PDF
基于提升静态小波变换与联合结构组稀疏表示的多聚焦图像融合 被引量：8
2
作者 邹佳彬 孙伟 《计算机应用》 CSCD 北大核心 2018年第3期859-865,共7页
为抑制传统小波变换在多聚焦图像融合中产生的伪吉布斯现象,以及克服传统稀疏表示的融合方法容易造成融合图像的纹理与边缘等细节特征趋于平滑的缺陷,提高多聚焦图像融合的效率与质量,采用一种基于提升静态小波变换(LSWT)与联合结构组... 为抑制传统小波变换在多聚焦图像融合中产生的伪吉布斯现象,以及克服传统稀疏表示的融合方法容易造成融合图像的纹理与边缘等细节特征趋于平滑的缺陷,提高多聚焦图像融合的效率与质量,采用一种基于提升静态小波变换(LSWT)与联合结构组稀疏表示的图像融合算法。首先对实验图像进行提升静态小波变换,根据分解后得到的低频系数与高频系数各自不同的物理特征,采用不同的融合方式。选择低频系数时,采用基于联合结构组稀疏表示的系数选择方案;选择高频系数时,采用方向区域拉普拉斯能量和(DRSML)与匹配度相结合的系数选择方案。最后经逆变换重构得到最终融合图像。实验结果表明,改进的算法有效地提高了图像的互信息量、平均梯度等指标,完好地保留图像的纹理与边缘等细节信息,融合图像效果更好。 展开更多
关键词 多聚焦图像融合 提升静态小波变换 联合稀疏表示 结构组稀疏表示 拉普拉斯能量和 匹配度
下载PDF
基于多形态学成分分析的图像融合 被引量：1
3
作者 马晓乐 王志海 胡绍海 《同济大学学报（自然科学版）》 EI CAS CSCD 北大核心 2024年第1期10-17,共8页
将多尺度分解与稀疏表示相结合,提出了一种基于多形态学成分分析(MCA)的图像融合算法。采用基于联合稀疏表示(JSR)的方法融合卡通子图像中的冗余和互补信息,并利用基于方向特征的方法融合具有更多细节信息和噪声的纹理子图像。结果表明... 将多尺度分解与稀疏表示相结合,提出了一种基于多形态学成分分析(MCA)的图像融合算法。采用基于联合稀疏表示(JSR)的方法融合卡通子图像中的冗余和互补信息,并利用基于方向特征的方法融合具有更多细节信息和噪声的纹理子图像。结果表明,提出的图像融合算法在主观视觉效果和客观评价指标上均优于先进的图像融合算法。 展开更多
关键词 图像融合 多尺度分解 形态学成分分析(MCA) 联合稀疏表示(jsr)
下载PDF
基于单演信号多重集典型相关分析的SAR目标识别方法 被引量：7
4
作者 王源源 《电光与控制》 CSCD 北大核心 2019年第10期7-11,29,共6页
提出了一种基于多层次单演信号特征的合成孔径雷达(SAR)图像目标识别方法。为了充分利用多层次单演信号特征的鉴别力,采用多重集典型相关分析(MCCA)分别对各个层次上的局部幅度、局部相位以及局部方位进行融合。融合得到的特征矢量包含... 提出了一种基于多层次单演信号特征的合成孔径雷达(SAR)图像目标识别方法。为了充分利用多层次单演信号特征的鉴别力,采用多重集典型相关分析(MCCA)分别对各个层次上的局部幅度、局部相位以及局部方位进行融合。融合得到的特征矢量包含了不同层次之间各类特征的内在相关性。在分类阶段,采用联合稀疏表示(JSR)对3类特征融合得到的特征矢量进行联合决策,进一步发掘不同特征之间的内在相关性。最后,根据联合稀疏表示输出的重构误差判定目标类别。基于MSTAR数据集对提出方法进行了性能测试,结果证明了其有效性。 展开更多
关键词 合成孔径雷达 目标识别 单演信号 多重集典型相关分析 联合稀疏表示
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部