基于G2DPCA的SAR目标特征提取与识别  

SAR Target Feature Extraction and Recognition Based on Generalized 2DPCA

作　　者：胡利平[1] 刘宏伟[1] 尹奎英[1] 吴顺君[1] 

机构地区：[1]西安电子科技大学雷达信号处理重点实验室,西安710071

出　　处：《宇航学报》2009年第6期2322-2327,共6页Journal of Astronautics

基　　金：教育部长江学者和创新团队支持计划(IRT0645);国家自然科学基金(60772140);国防预研项目;国防预研基金

摘　　要：给出了基于广义二维主分量分析(G2DPCA)的合成孔径雷达(SAR)图像目标特征提取方法。与主分量分析(PCA)相比,在寻求最优投影方向时,它直接基于二维图像矩阵而不是一维向量,在特征提取前不必将2维图像矩阵转换成1维向量。与二维主分量分析(2DPCA)相比,它可以同时去除图像行和列像素间的相关性。基于美国运动和静止目标获取与识别(MSTAR)计划录取的数据的实验结果表明,结合预处理,G2DPCA在大大降低了特征维数的同时,又改善了识别性能,并且正确识别率在97%以上,且对目标方位变化具有较好的鲁棒性。A feature extraction method based Generalized 2-dimensional Principal Component Analysis （G2DPCA） is presented for Synthetic Aperture Radar （SAR） images. As opposed to PCA, G2DPCA directly seeks the optimal projective axes based on 2D image matrices rather than 1D image vectors, so image matrices do not need to be tmnsfomaed previously into image vectors. In contrast to 2DPCA, G2DPCA eliminates the correlations of images rows and cohnnns simultaneously. Experimental results based the Moving and Stationary Target Acquisition and Recognition （MSTAR） data show that G2DPCA combining the SAR image preprocessing not only decreases feature dimensions sharply, but increases the correct recognition rates, more than 97%, and is robust to the variation of target azimuth.

关 键 词：合成孔径雷达 运动和静止目标获取与识别 主分量分析 二维主分量分析 

分 类 号：TN958[电子电信—信号与信息处理]