您现的位置:首页 > 数据库检索 > 中文期刊 

联合多层次深度特征的SAR 图像目标识别方法*

加收藏
  • 【题名】:联合多层次深度特征的SAR 图像目标识别方法*
  • 【年份】:2020
  • 【作者】:张婷,蔡德饶
  • 【关键词】:合成孔径雷达  目标识别  多层次深度特征  联合稀疏表示
  • 【摘要】:提出了联合多层次深度特征的合成孔径雷达(SAR)目标识别方法。采用卷积神经网络(CNN)学习SAR图像的多层次深度特征。多层次的深度特征从不同方面描述原始SAR图像中的目标特性,从而为目标识别提供更充分的决策依据。为了充分发掘不同层次深度特征的独立特性以及它们之间的内在关联,采用联合稀疏表示对多层次的深度特征进行联合分类。根据各层次特征的整体重构误差判定目标类别。采用MSTAR (Moving and Stationary Target Acquisition and Recognition)公共数据集对提出方法进行了性能测试。实验结果表明,该方法的识别性能显著优于现有的SAR目标识别方法。
  • 【期刊名】:火力与指挥控制
  • 【分类号】:TN957.52
  • 【期号】:第2期
  • 【资金项目】:2017年度江西省高校人文社会科学研究青年项目(JY17248);2017年江西省高等学校教学改革研究课题(JXJG-17-77-6)
  • 【作者简介】:张 婷(1981- ),女,江西萍乡人,硕士,讲师。研究方向:图像处理、计算机应用技术。
  • 【作者单位】:江西警察学院;上饶职业技术学院信息工程系
  • 【页码】:135-140
相关文献
基于自回归预测模型深度注意力强化学习方法<sup>*sup>
一种空间上下文感知提及目标推荐方法<sup>*sup>
基于深度学习语义分割桥梁病害图像像素级识别方法
改进R-FCN 船舶识别方法<sup>*sup>
意见领袖跨圈层传播与“回音室效应”<sup>*sup> ——基于深度学习文本分类及社会网络分析方法
结合自注意力对抗性领域适应图像分类方法<sup>*sup>
目标粒子群和人工蜂群混合优化阈值图像分割算法<sup>*sup>
联合损失优化孪生网络行人重识别<sup>*sup>
基于深层特征融合行人重识别方法<sup>*sup>
基于深度学习漏磁检测缺陷识别方法<sup>*sup>
获取此文方式
CNKI期刊
下载请求:
   

说明:点击”存到网盘“按钮即收取费用,重复点击不收费,如果下载失败,我们会自动转为文献传递方式处理,稍侯请关注您网盘上该文献的信息,从网盘上下载该文献不用重新付费。