| 基于多重集典型相关的深度特征融合及SAR目标识别方法 |
| |
| 引用本文： | 陈惠红,刘世明. 基于多重集典型相关的深度特征融合及SAR目标识别方法[J]. 电子测量与仪器学报, 2019, 33(9): 57-63 |
| |
| 作者姓名： | 陈惠红 刘世明 |
| |
| 作者单位： | 广州番禺职业技术学院 信息工程学院 广州511483;广州番禺职业技术学院 管理学院 广州511483 |
| |
| 基金项目： | 广东省教育厅重点平台和科研项目;中国高教学会重点项目 |
| |
| 摘 要： | 提出基于多重集典型相关分析(MCCA)的深度特征融合及合成孔径雷达(SAR)目标识别方法。该方法首先设计了针对SAR目标识别的卷积神经网络(CNN)。为了充分利用各个卷积层输出的特征图,首先采用矢量化串接、下采样的方式为每一个卷积层的输出构造特征矢量。然而,采用多重集典型相关分析融合各个层次的特征矢量,构造统一的特征矢量。在分类阶段,采用稀疏表示分类(SRC)对融合得到的特征矢量进行决策,判定目标类别。基于MSTAR公共数据集在标准操作条件和几类典型扩展操作条件下进行了目标识别实验,验证了方法的优越性。
|
| 关 键 词： | 合成孔径雷达 目标识别 卷积神经网络 多重集典型相关分析 稀疏表示分类 |
Fusion of deep features via multiset canonical correlations analysis with application to SAR target recognition |
| |
| Chen Huihong,Liu Shiming. Fusion of deep features via multiset canonical correlations analysis with application to SAR target recognition[J]. Journal of Electronic Measurement and Instrument, 2019, 33(9): 57-63 |
| |
| Authors: | Chen Huihong Liu Shiming |
| |
| Affiliation: | (School of Information Engineering,Guangzhou Panyu Polytechnic University,Guangzhou 511483,China;School of Management,Guangzhou Panyu Polytechnic University,Guangzhou 511483,China) |
| |
| Abstract: | Chen Huihong;Liu Shiming(School of Information Engineering,Guangzhou Panyu Polytechnic University,Guangzhou 511483,China;School of Management,Guangzhou Panyu Polytechnic University,Guangzhou 511483,China) |
| |
| Keywords: | synthetic aperture radar target recognition convolutional neural network multiset canonical correlation analysis sparserepresentation-based classification |
| 本文献已被 维普 万方数据 等数据库收录！ |
