电信技术论文_融合CNN和SRC决策的SAR图像目标

文章摘要:提出基于卷积神经网络（convolutional neural network，CNN）与稀疏表示分类（sparse representation-based classification，SRC）联合决策的合成孔径雷达（synthetic aperture radar，SAR）目标识别方法。CNN通过深度网络学习SAR图像的多层次特征，进而对其所属的目标类别进行判决。研究表明，CNN在训练样本充足的条件下可以取得很好的识别性能。然而，对于训练样本未能包含的条件，CNN的分类性能通常会出现明显下降。为此，本文首先采用CNN对待识别的测试样本进行分类，并根据输出的决策值（即，各个训练类别对应的后验概率）计算当前分类结果的可靠性。当分类结果判定可靠时，则直接采信CNN的决策，输出测试样本的目标类别。反之，则根据CNN输出的决策值筛选若干候选类别，然后基于它们的训练样本构建全局字典用于SRC分类。对于SRC的分类结果，进一步采用Bayesian融合算法将其与CNN的分类结果进行融合。最终，根据融合后的结果判定测试样本的目标类别。提出方法通过层次化的思路融合CNN和SRC的优势，有利于发挥两者对不同测试条件的优势，达到提高识别稳健性的目的。实验中，基于MSTAR数据集开展测试分析，结果验证了提出方法的有效性。

文章关键词:合成孔径雷达,目标识别,卷积神经网络,稀疏表示分类,Bayesian融合,

项目基金:江苏省自然科学基金面上项目（BK20201475）,

论文作者:陆建华 

作者单位:盐城师范学院物理与电子工程学院 

论文分类号: TN957.52;TP183

相似文献:基于CNN的不平衡SAR图像舰船目标识别.....作者:邵嘉琦,曲长文,李健伟,彭书娟,刊载期刊：《电光与控制》
结合多分辨率表示和复数域CNN的SAR图像目标识别方法.....作者:乔良才,刊载期刊：《激光与光电子学进展》
基于SVM和SRC级联决策融合的SAR图像目标识别方法.....作者:吴天宝,夏靖波,黄玉燕,刊载期刊：《河南理工大学学报(自然科学版)》
基于深度森林的多级特征融合SAR目标识别.....作者:李璐,杜兰,何浩男,李晨,邓盛,刊载期刊：《电子与信息学报》
结合多决策准则稀疏表示的SAR图像目标识别方法.....作者:李亚娟,刊载期刊：《红外与激光工程》
一种基于模糊滤波提高SAR自动目标识别平移不变性的方法.....作者:顾正强,张严,张冰尘,刊载期刊：《系统工程与电子技术》
基于组合差异图和卷积小波神经网络的SAR图像变化检测.....作者:王世杰,易稳,姬楠楠,王长鹏,宋学力,刊载期刊：《激光杂志》
基于CNN的旋转叶片缺陷诊断方法.....作者:张继旺,王雪莉,谢海博,丁克勤,刊载期刊：《油气储运》
基于深度学习的SAR图像舰船目标检测综述.....作者:侯笑晗,金国栋,谭力宁,刊载期刊：《激光与光电子学进展》
二维压缩感知多投影矩阵特征融合的SAR目标识别方法.....作者:吴剑波,陆正武,关玉蓉,王庆东,姜国松,刊载期刊：《红外与激光工程》

相关文章:激光雷达技术在部件级三维实景的应用.....作者:郭王
人工智能在智能制造中的应用.....作者:杨磊
大数据人工智能驱动图书馆知识服务和学科建设.....作者:姜爱蓉
商业航天背景下的遥感应用产业化.....作者:刘东升
Artificial Intelligence: Where Maybe Next Steps? “人工智能热”之后的冷静思考.....作者:Tony Qiu
Computational Analysis of the Voynich Manuscript 十五世纪伏尼契码的智能解析.....作者:Greg Kondrak
深度强化学习系列课程第四讲.....作者:汪荣贵
5G赋能，智享未来.....作者:赵海峰

上一篇： 有机化工论文_WO_(3)/Bi_(2)WO_(6)复合薄膜的
下一篇：没有了