文献类型：期刊文章

作　　者：柳小文[1] 雷军程[1] 伍雁鹏[2]

Liu Xiaowen;Lei Juncheng;Wu Yanpeng(Departanment Information Engineering,Shaoyang University,Shaoyang,Hunan 422000,China;Department of Information Science and Engineering,Hunan First Normal University,Changsha,Hunan 410205,China)

机构地区：[1]邵阳学院信息工程学院,湖南邵阳422000 [2]湖南第一师范学院信息科学与工程学院,湖南长沙410205

出　　处：《激光与光电子学进展》

基　　金：湖南省自然科学基金计划(2019JJ40050);湖南省教育厅科学研究项目(18C0802);邵阳市科技计划项目(2017ZD06)。

年　　份：2020

卷　　号：57

期　　号：4

起止页码：68-75

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：提出一种基于二维经验模态分解(BEMD)的合成孔径雷达(SAR)目标识别方法。BEMD可以从原始SAR图像提取多层次的二维固态模函数(BIMF),它们可以更好地描述目标的细节信息,因此联合原始SAR图像及其多层次BIMF,可以为后续的分类决策提供更多有益信息。采用支持向量机(SVM)对原始SAR图像以及各个层次的BIMF进行决策,然后基于Bayesian理论对各个SVM输出的结果进行有效融合,从而获得更为稳健的识别结果。基于MSTAR数据集设置几种典型的实验条件,对本文方法进行性能测试,结果验证本文方法相比几类现有SAR目标识别方法更具有性能优势。

关 键 词：图像处理  合成孔径雷达 目标识别 二维经验模态分解 支持向量机 Bayesian决策融合  

分 类 号：TP753]