基于KFD准则的SAR目标特征提取与识别

给出了一种基于KFD和SVM的合成孔径雷达目标特征提取及识别方法。该方法首先在非线性空间内利用Fisher准则提取样本特征 ,然后由SVM分类器完成目标识别。实验结果表明该方法不但有效地提高了目标的正确识别率及运算效率 ,还大大降低了对目标方位的敏感度 ,在目标方位信息未知的情况下 ,识别率仍可达到 95 %以上     

基于改进的稀疏保持投影的SAR目标特征提取与识别

提出了一种改进的稀疏保持投影(Sparsity Preserving Projections, SPP)特征提取方法。该方法将SPP特征提取与局部保持投影(Locality Preserving Projection, LPP)特征提取思想相结合,构造新的目标函数求解投影向量,保证了投影空间内样本的稀疏重构误差达到最小的同时使同类样本间距最小。利用美国运动和静止目标获取与识别(Moving and Stationary Target Acquisition and Recognition, MSTAR)实测SAR数据进行实验,实验结果表明在不利用目标成像方位信息情况下平均识别率最高可达97.81%,明显地提高了目标的识别结果,是一种有效的SAR目标识别方法。      

一种基于中心矩特征的SAR图像目标识别方法

合成孔径雷达自动目标识别是目前国内外模式识别领域的重点研究课题之一.本文给出了一种内存需求小,低计算复杂度且具有较好识别性能的SAR图像目标识别方法,先通过自适应阈值分割来获得目标图像,然后提取其中心矩特征,采用SVM来进行识别.基于美国MSTAR实测数据的识别试验验证了该方法的有效性.     

基于改进的子类判决分析的SAR目标特征提取与识别

针对大多文献中假设合成孔径雷达(SAR)数据服从单模分布带来的问题,该文提出改进的子类判决分析(ICDA),它假设SAR目标数据服从更合理更实际的多模分布。首先采用快速全局k-均值聚类算法找到每类目标的子类划分,然后基于子类判决分析(CDA)准则寻找最优的投影矢量,使得投影后不同类别的子类样本之间距离最大而每个子类内部的样本散布最小。用美国运动和静止目标获取与识别(MSTAR)计划录取的SAR地面静止目标数据的实验结果表明,ICDA可获得较好的对真实目标的分类性能和对干扰目标的拒判能力。     

基于目标识别的SAR图像特征分析

特征分析是目标检测与识别的关键,也是图像解译的经典课题之一.本文分析了合成孔径雷达图像目标识别系统各阶段常用的特征,并提出了几个新的具有鲁棒性的特征,从而为SAR图像目标检测和分类提供了良好的基础.     

基于一维匹配滤波的SAR目标识别

为克服合成孔径雷达(SAR)目标位置和姿态不确定性对识别性能的影响,提出了一种基于一维匹配滤波的SAR目标识别方法。基于姿态估计对目标图像进行预处理,基于一维匹配滤波定义两样本图像间的相似度或距离,并采用最近邻分类器。在MSTAR公开数据集上进行了实验,已知和未知目标姿态情况下的识别率分别达到98.8%和98.2%。实验结果表明,所提出的方法性能优于支持向量机(SVM)方法。     

基于目标CSAR回波模型的SAR自动目标识别算法

基于模板的SAR目标识别需要存储海量的目标模板,给识别系统的设计和算法效率的提高都造成了严重的困难,而基于模型的方法克服了上述问题,并已成为下一代目标识别算法研究的热点。该文提出的基于圆周SAR(CSAR)回波模型的识别算法,从目标的3维CAD模型出发,利用弹射线原理构建目标的CSAR回波,并通过在线实时预测目标聚束SAR图像来完成识别。同传统的基于散射中心模型的算法相比,利用CSAR回波的算法不仅预测结果准确,而且算法简单高效。仿真实验验证了算法的有效性,并比较了相关算法的优缺点。     

一种基于峰值匹配的SAR目标识别方法

文章提出了一种基于峰值匹配的SAR目标识别方法。采用最近邻匹配算法构建测试样本峰值特征集与模板样本峰值特征集之间的对应关系。在此匹配关系的基础上,设计了稳健的匹配度准则评价两组峰值特征集的匹配度,并根据最大匹配度的准则判定目标类别。在MSTAR数据集进行目标识别实验验证提出方法的有效性。     

基于模板匹配的SAR目标识别预处理新方法

本文提出了一种基于模板匹配的合成孔径雷达(SAR)自动目标识别(ATR)预处理新方法.该方法考虑了图像间相对直流偏差对匹配精度的影响,并在频域内同时完成目标与模板之间的对准、幅度补偿及去直流偏差.实验结果表明本文方法可有效地提高目标识别率.     

基于雷达散射特性的高分辨率SAR图像自动目标识别

高分辨率SAR的迅速发展为自动目标识别提供了可能,为了克服存储海量模板带来的计算复杂性,发展基于模型的目标识别现已成为新的国际研究热点.先由目标的真实三维模型依据电磁波散射理论计算雷达散射截面(RCS),利用宽带合成孔径技术得出目标散射特性的空间分辨率图像,进而基于模拟图像实现目标的CFAR检测.最后利用我国机载高分辨率SAR图像对该方法进行实验,验证了本文提出的基于雷达散射特性目标识别的有效性.     

基于核主分量分析的高分辨雷达目标特征提取与识别

研究了核主分量分析(KPCA,Kernel Principal Component Analysis)在高分辨雷达目标特征提取与识别中的应用。首先讨论了KPCA算法原理,然后将KPCA应用于雷达目标距离像特征提取,并采用支持向量机进行分类,提出了基于核主分量分析的高分辨雷达目标特征提取与识别方法。在核函数的选取上构造了一个组合核函数,最后用4类目标数据进行了实验,并与采用高斯核函数方法进行了比较,实验结果表明,该方法能够提高目标识别性能。     

基于核主成分提取和支持向量机的入侵检测

现有的入侵检测算法存在小样本情况下泛化能力差的问题。提出了利用核主成分分析和支持向量机结合进行入侵检测的方法。与传统算法相比，该方法对网络异常连接有很高的检测率、更强的泛化能力和更快的处理时间。最后在KDD CUP99数据集上进行的实验，证明了方法的适用性和高效性。     

基于ganna分布模型的SAR图像目标识别方法研究

合成孔径雷达目标识别是目前世界上模式识别领域的重点研究课题之一,大体可分为两个部分的识别过程,即对目标姿态角的识别和对目标类型的识别。本文首先介绍了对SAR图像的增强算法,然后通过对基于模板与基于模型的识别方法的比较,将基于Radon变换的目标姿态角识别方法与基于gamma模型的SAR目标类型识别算法相结合,从而提出一种SAR目标识别的综合方法。利用MSTAR数据库数据进行仿真试验,取得了良好的效果。     

采用热核特征的SAR图像目标识别

为了解决SAR图像受相干斑噪声干扰和震后发生形变而识别率偏低的问题,提出了一种新的仿射、形变不变特征-热核特征,并将该特征用于SAR图像目标识别.首先采用推广的核模糊C-均值方法分割SAR图像,提取SAR图像目标形状;接着对目标形状进行Delaunay三角剖分,采用余切权重法对Laplace-Beltrami Operator离散化,通过离散化Laplace-Beltrami Operator特征值、特征向量求每一点热核特征;然后采用谱距离公式对点点间热核距离计算,转化为距离分布表示目标形状的热核特征;最后采用L1相似性准则对图像进行相似性度量,得到识别结果.实验表明:与经典的Hu不变矩方法相比,对于仿射变换和发生形变的SAR图像,该方法都具有更高的识别率.因此,基于热核特征的SAR图像识别方法是一种更加有效的识别方法.     

基于主分量分析的一维距离像雷达目标识别

一维距离像是自动目标识别的一种重要特征,它对目标姿态变化很敏感,只有通过进一步处理提取稳定特征才能够有效用于识别。针对距离像的这种姿态敏感性,首先分析了主分量分析(PCA)的降噪原理与核主分量分析(KPCA)的特征提取能力,然后提出先用PCA滤波对一维距离像降噪再用KPCA提取较大姿态角范围内稳定特征的雷达目标一维距离像识别框架,并用四类目标的实测数据进行分类实验,表明该算法确实能够提高识别性能。     

基于电磁特性SAR图像目标识别模板的建立

针对SAR图像目标识别过程中识别模板形成的缺点和难点,提出了基于电磁散射特性SAR图像目标识别模板的数学模型和成像原理。采用一种混合算法计算了复杂目标的雷达截面(RCS),由目标的散射系数σ或RCS值,通过宽带合成孔径原理求出物体散射特性的空间分布,建立了SAR图像目标识别模板。实验验证了其正确性、有效性,以及具有近实时性、目标姿态连续性和精确性等特点,为快速准确地获取SAR图像中的目标信息提供技术支持。     

Automatic target recognition of radar HRRP based on high order central moments features

The paper addresses the problem of target recognition using High-resolution Radar Range Profiles (HRRP). A novel approach of feature extraction and dimension reduction based on extended high order central moments is proposed in order to reduce the dimension of range profiles. Features extracted from radar HRRPs are normalized and smoothed, and then comparative analysis of the similar approaches is done. The range profiles are obtained by step frequency technique using the two-dimensional backscatters distribution data of four different aircraft models. The template matching method by nearest neighbor rules, which is based on the theory of kernel methods for pattern analysis, is used to classify and identify the range profiles from four different aircrafts. Numerical simulation results show that the proposed approach can achieve good performance of stability, shift independence and higher recognition rate. It is helpful for real-time identification and the engineering implements of automatic target recognition using HRRP. The number of required templates could be reduced considerably while maintaining an equivalent recognition rate.