针对合成孔径雷达(SAR)图像目标识别问题, 采用非线性相关信息熵(NCIE)进行多特征选取进而实现分类。基于混合高斯模型对 SAR图像提取的各类特征进行概率建模, 采用 KL散度评价不同特征之间的相似度。采用非线性相关信息熵评价不同特征组合的相关性, 根据最大熵值确定最优特征组合。对于选取的多类特征, 基于联合稀疏表示模型进行表征和分类。利用 MSTAR数据集对提出方法在标准操作条件和扩展操作条件下进行测试, 结果验证了其有效性。
合成孔径雷达 目标识别 非线性相关信息熵 联合稀疏表示 Synthetic Aperture Radar target recognition Nonlinear Correlation Information Entropy joint sparse representation 太赫兹科学与电子信息学报
2023, 21(2): 183
针对合成孔径雷达(SAR)目标识别问题, 提出结合多特征联合表征和自适应加权的方法。分别采用主成分分析(PCA)、单演信号以及Zernike矩特征描述原始SAR图像, 获得3个对应的特征矢量。基于联合稀疏表示模型对3类特征进行联合表征。针对不同特征条件下的重构误差矢量, 采用自适应加权算法进行融合处理, 即在线性融合的框架下自适应获得权值, 达到良好的决策融合效果。最终, 根据融合后的误差对目标类别进行判定。实验基于MSTAR数据集开展, 针对10类目标识别问题分别在标准操作条件、噪声干扰和部分遮挡条件下进行测试, 结果验证了方法的有效性。
合成孔径雷达 目标识别 多特征 联合稀疏表示 自适应加权 synthetic aperture radar target recognition multiple features joint sparse representation adaptive weighting
红外与激光工程
2022, 51(5): 20210372
红外与激光工程
2021, 50(12): 20210233
1 成都工业学院 计算机工程学院,四川成都 611730
2 成都工业学院 教务处,四川成都 611730
红外成像是夜间观测的重要手段,在**民用领域都有着广泛运用。针对红外图像目标分类问题,将单演信号引入用于特征提取,用于对目标特性的分析。经过单演信号处理后的红外图像可用幅度、相位和方位三个成分描述。对于每一个成分的多尺度结果,采用矢量串接以及降采样结合的方式构建单一特征矢量。最终构造得到的三个特征矢量能够反映目标的多层次特性。采用联合稀疏表示作为三种单演信号特征矢量的表征模型。在重构过程中,充分利用三类特征之间的关联性从而提高整体重构精度。在不同类别上按照联合稀疏表示的求解结果计算对于测试样本的重构误差,进而决定测试样本的类别信息。该方法通过单演信号获取红外图像中目标的多层次特性,基于联合稀疏表示模型对这些特征进行充分分析和挖掘,从而提高目标分类的精度和稳健性。实验基于公开的中波红外(Medium wave infrared,MWIR)图像数据集开展,分别对原始样本、模拟噪声样本以及模拟遮挡样本进行分类。根据实验结果,并与几类现有算法对比,反映了所提方法对于红外图像目标分类问题能够取得更高的有效性和稳健性。
红外图像 目标分类 单演信号 联合稀疏表示 infrared imaging target classification monogenic signal joint sparse representation 红外与激光工程
2021, 50(12): 20210165
1 宝鸡文理学院 物理与光电技术学院, 陕西 宝鸡 721013
2 宝鸡文理学院 宝鸡先进钛合金与功能涂层协同创新研发中心, 陕西 宝鸡 721013
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 结构相似性 联合稀疏表示 Synthetic Aperture Radar(SAR) target recognition Res-Net Res-Net structural similarity joint sparse representation
黄冈师范学院 计算机学院,湖北 黄冈 438000
针对合成孔径雷达(synthetic aperture radar,SAR)目标识别问题,提出联合多层次二维压缩感知投影特征的方法。采用二维压缩感知投影作为基础特征提取算法,具有不依赖训练样本、效率高等显著优势。构建多个二维压缩感知投影矩阵提取原始SAR图像的多层次特征。不同投影矩阵获得的特征具有差异性,从不同方面描述SAR图像的灰度分布特性;同时,这些特征源自相同的输入图像,因此也具有一定的内在关联性。采用联合稀疏表示对提取的多个特征矢量进行表征分析,在内在关联性约束下考察不同特征的独立鉴别能力,从而提升每一类特征的稀疏表示精度。最终,根据求解的稀疏表示系数,分别在各个训练类别上对测试样本的多类特征进行重构,获得重构误差。根据最小误差的准则,判定测试样本所属目标类别。通过综合运用多层次二维压缩感知特征提取和联合稀疏表示分类,提高SAR目标识别的整体性能。利用MSTAR数据集中的多类目标SAR图像对方法进行测试验证,结果反映其在标准操作条件(standard operating condition,SOC)和扩展操作条件(extended operating condition,EOC)均可保持可靠的识别性能。
合成孔径雷达 目标识别 二维压缩感知 联合稀疏表示 synthetic aperture radar target recognition 2D compressive sensing joint sparse representation 红外与激光工程
2021, 50(6): 20200531
河北工程技术学院信息技术学院, 石家庄 050000
针对合成孔径雷达(SAR)图像目标识别问题, 提出基于快速自适应二维经验模态分解(FABEMD)的方法。FABEMD可实现对SAR图像的快速分解, 获得描述目标低频至高频信息的多层次固态模函数(BIMF)。基于结构相似性指标剔除多层次BIMF中的噪声成分, 保留高鉴别力部分。分类阶段采用联合稀疏表示对保留的BIMF进行表征分类。基于MSTAR数据集对所提方法进行测试, 结果验证了其性能优势。
合成孔径雷达 目标识别 快速自适应二维经验模态分解 结构相似性 联合稀疏表示 Synthetic Aperture Radar (SAR) target recognition Fast and Adaptive Bidimensional Empirical Mode Dec structural similarity joint sparse representation
红外与激光工程
2021, 50(5): 20200309
红外与激光工程
2021, 50(4): 20200236