排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
增量非负矩阵分解(INMF)随目标样本增加逐渐更新分解模型,能够有效解决NMF算法的计算代价随样本增加而成倍增长的问题。然而INMF在使NMF具备增量学习能力的同时,并未考虑NMF分解矩阵的稀疏性对识别性能的提升作用。针对上述问题,提出基于L1/2范数约束的增量非负矩阵分解(L1/2-INMF)算法,并应用于SAR目标识别。L1/2-INMF采用L1/2范数实时约束增量过程中的NMF分解矩阵,能够在不增加计算复杂度的同时,提升识别性能。针对MSTAR数据集的仿真实验结果表明,提出的L1/2-INMF能够解决传统非负矩阵分解方法计算代价随样本增加而增加的问题。 相似文献
2.
合成孔径雷达（Synthetic Aperture Radar,SAR）人体成像技术凭借其高分辨、强穿透、易部署和高安全性，已成为SAR拓展至日常民用领域的关键技术之一.然而现有SAR人体成像方法大多针对固定场景下的静态人体目标进行合作式成像，难以满足开放场景非合作成像应用的需求.为此，本文基于人体运动的块稀疏性与一致性约束，提出了一种面向非合作运动人体的视频SAR(Video SAR,ViSAR)成像方法 .该方法首先结合ViSAR子孔径快速成像技术，简化人体非刚性运动模型，建立非刚性运动相位误差参量模型；随后结合人体运动的块稀疏性与时间连续性，基于正交匹配追踪（Orthogonal Matching Pursuit,OMP）稀疏恢复算法估计人体运动相位误差；最后基于一致性交替方向乘子法（Consensus Alternating Direction Multiplier Method,CADMM）优化框架，保留人体目标局部结果的一致性共有特征，从多个局部补偿结果集中优化出人体的全局聚焦成像结果，实现人体的非刚性运动补偿与全局精细优化.实验结果表明该文所提方法可实现非合作走动人体的视... 相似文献
1