文献类型：期刊文章

作　　者：刘飞[1,2] 高红艳[1] 卫泽刚[1] 刘亚军[1] 钱郁[1,2]

LIU Fei;GAO Hong-yan;WEI Ze-gang;LIU Ya-jun;QIAN Yu(Institute of Physics and Optoelectronics Technology, Baoji University of Arts and Science, Baoji 721013, China;Advanced Titanium Alloys and Functional Coatings Cooperative Innovation Center, Baoji University of Arts and Science, Baoji 721013, China)

机构地区：[1]宝鸡文理学院物理与光电技术学院,陕西宝鸡721013 [2]宝鸡文理学院宝鸡先进钛合金与功能涂层协同创新研发中心,陕西宝鸡721013

出　　处：《液晶与显示》

基　　金：国家自然科学基金(No.11675001,No.82072075);陕西省科技计划(No.2019JM-045,No.2018JM6099,No.2018ZDXMGY119);宝鸡市科技计划(No.2017JH2-18,No.18JH-02)。

年　　份：2021

卷　　号：36

期　　号：4

起止页码：624-631

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EBSCO、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：采用Res-Net学习合成孔径雷达(Synthetic Aperture Radar,SAR)图像多层次深度特征,并基于结构相似性准则选取其中的有效成分。通过联合稀疏表示对选取的多层次深度特征进行表征和分析,判定输入样本的目标类别。利用MSTAR数据集进行测试,该方法对10类目标的识别率达到99.02%,对于俯仰角差异以及噪声干扰的稳健性更优。该方法能够有效结合Res-Net和联合稀疏表示在特征提取和分类决策方面的优势,提升识别方法的整体性能。

关 键 词：合成孔径雷达 目标识别 Res-Net  结构相似性  联合稀疏表示  

分 类 号：TP391.4] TN957[计算机类]