高斯过程模型在SAR图像目标识别中的应用

作     者：尚珊珊 余子开 范涛 金利民 Shang Shanshan;Yu Zikai;Fan Tao;Jin Limin

作者机构：上海工程技术大学图书馆上海201620 上海航天设备制造总厂有限公司装配部上海200245 上海工程技术大学人工智能产业研究院上海201620 中国科学院上海高等研究院上海光源上海201210 

出 版 物：《红外与激光工程》 (Infrared and Laser Engineering)

年 卷 期：2021年第50卷第7期

页      面：144-150页

核心收录：

学科分类：0810[工学-信息与通信工程] 08[工学] 081002[工学-信号与信息处理] 

基　　金：国家重点研发计划(2019YFB1802700) 

主　　题：合成孔径雷达 目标识别 高斯过程模型 MSTAR数据集 

摘      要：将高斯过程模型应用于合成孔径雷达(SAR)图像目标识别。高斯过程模型是基于贝叶斯框架的统计学习算法,通过结合核函数和和概率判别构建分类模型。与传统分类模型相比,高斯过程模型可以获得更高的分类效率和精度。方法实施过程中,采用SAR图像的特征矢量作为输入,以目标类别标签作为输出训练高斯过程模型。对于待识别样本,通过计算其在高斯过程模型下属于各个类别的后验概率判定其目标类别。实验中,依托MSTAR数据集在典型条件下开展测试。根据实验结果,所提方法在标准操作条件下对10类目标识别精度达到99.28%;在30°和45°俯仰角下的平均识别率分别为98.04%和73.13%;在噪声干扰各个信噪比条件下均保持最高性能。实验结果验证了所提方法的有效性和稳健性。