基于SVM和SRC级联决策融合的SAR图像目标识别方法 |
| |
作者姓名: | 吴天宝 夏靖波 黄玉燕 |
| |
作者单位: | 厦门大学嘉庚学院信息科学与技术学院,福建厦门361005;集美大学轮机工程学院,福建厦门361021 |
| |
基金项目: | 福建省中青年教师教育科研项目;福建省自然科学基金 |
| |
摘 要: | 提出基于支持向量机(support vector machine,SVM)和稀疏表示分类(sparse representation-based classification,SRC)级联决策融合的合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法。首先,采用SVM对测试样本进行分类,根据各个训练类别输出的后验概率,采用门限判决法选取其中具有高置信度的候选类别;其次,基于候选训练样本构造字典,对测试样本进行SRC分类;最后,采用线性加权融合SVM和SRC的决策值,获得更为可靠的识别结果。SVM的预筛选分类有效降低了SRC中的字典规模,从而提高其分类效率,同时,SRC具有的噪声、遮挡稳健性也可以补充SVM在此方面的不足。因此,提出的方法可以有效综合SVM和SRC的优势,提高最终的识别性能。采用MSTAR数据集进行识别实验,结果验证了本文方法的有效性。
|
关 键 词: | 合成孔径雷达 目标识别 级联决策融合 支持向量机 稀疏表示分类 |
本文献已被 CNKI 万方数据 等数据库收录! |
|