基于改进稀疏表示的SAR图像目标识别方法  

SAR Target Recognition Based on Modified Sparse Representation

作　　者：王源源 WANG Yuanyuan(Chengdu College,University of Electronic Science and Technology of China,Chengdu 611000,China)

机构地区：[1]电子科技大学成都学院,成都611000

出　　处：《电光与控制》2023年第9期42-46,共5页Electronics Optics & Control

基　　金：教育部2021年第一批产学合作协同育人项目(202101018051);教育部2021年第二批产学合作协同育人项目(202102030030);教育部2022年第一批产学合作协同育人项目(220606278231543);全国高等院校计算机基础教育研究会2022年计算机基础教育教学研究项目(2022-AFCEC-233,2022-AFCEC-234);2021年度国腾创投基金项目(GTJG-10)。

摘　　要：针对合成孔径雷达(SAR)目标识别问题,设计并提出基于改进稀疏表示的方法。首先以传统稀疏表示分类(SRC)为基础,在全局字典上求解稀疏表示系数矢量。在此基础上,按照类别选择局部最佳字典,并据此进行测试样本的重构表示,最终,通过比较不同类别的重构误差大小进行目标类别确认。实验中采用MSTAR数据集作为样本进行测试和验证。结果证明了所提方法的性能优势。As for Synthetic Aperture Radar(SAR)target recognition,a method based on modified sparse representation is proposed.Firstly,based on traditional Sparse Representation-based Classification(SRC),the sparse representation coefficient vector is calculated on the global dictionary.Based on this,the optimal local dictionaries are selected for different training categories.Then,the test samples are reconstructed using different local dictionaries.Finally,the target categories of the test samples are determined by comparing the reconstruction errors of different categories.In the experiments,the MSTAR dataset is taken as samples for testing and validation.The superiority of the performance of the proposed method is confirmed.

关 键 词：合成孔径雷达(SAR) 目标识别 改进稀疏表示 局部字典 

分 类 号：TP753[自动化与计算机技术—检测技术与自动化装置]