题名 基于栈式自编码器特征融合的SAR图像车辆目标识别
被引量：18
1
作者
康妙 计科峰 冷祥光 邢相薇 邹焕新
机构
国防科学技术大学电子科学与工程学院 北京市遥感信息研究所
出处
《雷达学报（中英文）》
CSCD
2017年第2期167-176,共10页
基金
国家自然科学基金(61372163 61331015 61601035)~~
文摘
该文提出了一种基于栈式自编码器(Stacked Auto Encoder,SAE)特征融合的合成孔径雷达(Synthetic Aperture Rader,SAR)图像车辆目标识别算法。首先,该算法提取了SAR图像的25种基线特征(baseline features)和局部纹理特征(Three-Patch Local Binary Patterns,TPLBP)。然后将特征串联输入SAE网络中进行融合,采用逐层贪婪训练法对网络进行预训练。最后利用softmax分类器微调网络,提高网络融合性能。另外,该文提取了SAR图像的Gabor纹理特征,进行了不同特征之间的融合实验。结果表明基线特征与TPLBP特征冗余性小,互补性好,融合后的特征区分性大。与直接利用SAE,CNN(Convolutional Neural Network)进行目标识别的算法相比,基于SAE的特征融合算法简化了网络结构,提高了识别精度与识别效率。基于MSTAR数据集的10类目标分类精度达95.88%,验证了算法的有效性。
关键词
SAR 目标识别 特征融合 栈式自编码器 mstar
Keywords
Synthetic Aperture Rader（SAR） target recognition Feature fusion Stacked Auto Encoder（SAE） moving and stationary target acquisition and recognition （mstar ）
分类号
TP751
[自动化与计算机技术—检测技术与自动化装置]
题名 基于特征参数稀疏表示的SAR图像目标识别
被引量：11
2
作者
王燕霞 张弓
机构
南京航空航天大学电子信息工程学院
出处
《重庆邮电大学学报（自然科学版）》
北大核心
2012年第3期308-313,共6页
基金
航空基金(2011ZC52034) 教育部留学回国人员科研启动基金 江苏高校优势学科建设工程资助项目~~
文摘
通过对合成孔径雷达(synthetic aperture radar,SAR)图像的统计特性分析,提出一种基于特征参数稀疏表示的SAR图像目标识别算法,有效地解决了图像域稀疏表示识别算法存在的高维问题。由低维高精度的广义二维主分量特征构成过完备字典,基于Fisher线性判别准则对该字典进行学习优化,使得类内更紧凑,类间更分开,同时降低了稀疏求解的复杂度。求解测试样本在优化字典下的稀疏表示系数,根据系数矢量的能量特征完成分类识别。MSTAR(moving and stationany target acquisition and recognition)实测SAR图像数据实验的结果表明,该方法稀疏求解复杂度低。
关键词
合成孔径雷达(SAR)图像 广义二维主分量分析(G2DPCA) 目标识别 稀疏表示 移动和静止目标获取与识别(mstar )
Keywords
synthetic aperture radar image generalized 2-dimensional principal component analysis（G2DPCA） target recognition sparse representation moving and stationary target acquisition and recognition （mstar ）
分类号
TN97
[电子电信—信号与信息处理]
TP751
[电子电信—信息与通信工程]
题名 基于法向前边界响应的SAR目标方位角估计
被引量：4
3
作者
陈思 杨健 宋小全
机构
清华大学电子工程系 北京跟踪与通信技术研究所
出处
《系统工程与电子技术》
EI
CSCD
北大核心
2011年第3期511-514,共4页
基金
国家自然科学基金(40871157) 国家航天基金资助课题
文摘
为了提高合成孔径雷达(synthetic aperture radar,SAR)自动目标识别系统的性能,提出了一种新的SAR目标方位角估计方法。利用简单的自适应阈值处理提取目标区强散射点,通过对强散射点在不同方向上投影分布的分析,定义法向前边界响应强度作为方位角估计的依据,最后对个别不可信结果进行90°校正。在运动和静止目标获取与识别(moving and stationary target acquisition and recognition,MSTAR)公开数据集上进行了实验,采用该方法99%的样本估计误差小于10°。实验结果表明,该方法可以达到与主导边界拟合法相当的最优性能,而且处理流程简单,计算效率更高。
关键词
合成孔径雷达 方位角估计 目标识别 法向前边界响应 运动和静止目标获取与识别
Keywords
synthetic aperture radar（SAR） aspect estimation target recognition normal front edge response moving and stationary target acquisition and recognition （mstar ）
分类号
TN959.1
[电子电信—信号与信息处理]
题名 MSTAR图像的矩特征分析与多阈值分割
被引量：1
4
作者
倪维平 严卫东 吴俊政 郑刚 芦颖
机构
西北核技术研究所 西安电子科技大学电子工程学院
出处
《中国图象图形学报》
CSCD
北大核心
2013年第10期1364-1373,共10页
文摘
图像分割是合成孔径雷达(SAR)图像自动目标识别应用中的基础性问题。定义并分析了运动、静止目标获取与识别(MSTAR)图像的矩特征,进而构造了多阈值处理策略,用于MSTAR图像的分割。首先研究了目标、阴影,以及背景区域统计特性,并确定了相应的数学模型描述,在此基础上给出了矩特征的定义,并分析了其基本特性。利用图像空间到矩特征空间的转换,显著增强了目标区域与阴影、背景区域的差异性,进而通过构造不同的阈值化规则,实现了MSTAR图像中目标、阴影和背景区域的分割。对MSTAR图像的处理结果表明,与恒虚警率(CFAR)、最大类间方差(OTSU)、模糊C均值(FCM)和马尔可夫随机场(MRF)等典型分割算法相比,本文算法不需进行噪声抑制,但在分割效果和鲁棒性等方面性能更好,同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性。
关键词
mstar 图像图像分割 矩特征分析 多阈值
Keywords
models for moving and stationary target acquisition and recognition （mstar ） image image segmentationmoment feature analysis multiple thresholds
分类号
TP391.1
[自动化与计算机技术—计算机应用技术]
