文献类型：期刊文章

作　　者：韩萍[1] 吴仁彪[2] 王兆华[1] 王蕴红[3]

机构地区：[1]天津大学电信学院,天津300072 [2]中国民航学院通信与信息处理研究所,天津300300 [3]中国科学院自动化研究所模式识别国家重点实验室,北京100080

出　　处：《电子与信息学报》

基　　金：国家自然科学基金(69902009;60272049);中国科学院自动化研究所模式识别国家重点实验室开放课题;民航总局教育研究基金

年　　份：2003

卷　　号：25

期　　号：10

起止页码：1297-1301

语　　种：中文

收录情况：BDHX、BDHX2000、CSA、CSA-PROQEUST、CSCD、CSCD2011_2012、EI、IC、JST、RCCSE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：该文给出了一种基于 KPCA(Kernel Principal Component Analysis)和 SVM(SupportVector Machine)的合成孔径雷达(Synthetic Aperture Radar,SAR)目标特征提取与识别方法。该方法在非线性空间内利用线性 PCA(Principal Component Analysis)准则提取目标特征并由 SVM分类器完成目标识别。基于美国国防高级研究计划署(Defense Advanced Research Project Agency,DARPA)和空军研究室(Air Force Research Laboratory,AFRL)提供的实测 SAR地面目标数据的实验结果表明,该文方法不但能够提高识别率,具有良好的推广能力,同时还降低了对方位估计精度的要求,是一种有效的 SAR目标特征提取与识别方法。

关 键 词：合成孔径雷达 目标识别 KPCA准则  特征提取 SVM分类器 SAR

分 类 号：TN958]