联合多特征的MSTAR数据集SAR目标识别方法

作     者：赵高丽 宋军平 ZHAO Gaoli;SONG Junping

作者机构：河南科技学院信息工程学院河南新乡453000 武汉理工大学信息工程学院湖北武汉453000 

出 版 物：《武汉大学学报（工学版）》 (Engineering Journal of Wuhan University)

年 卷 期：2022年第55卷第7期

页      面：732-739页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：河南省教育厅资助项目(编号:2019SJGLX124) 

主　　题：合成孔径雷达 目标识别 Zernike矩 核主成分分析 单演信号 联合稀疏表示 MSTAR数据集 

摘      要：提出联合Zernike矩、核主成分分析(kernel principal component analysis,KPCA)及单演信号特征的合成孔径雷达(synthetic aperture radar,SAR)目标识别方法,3类特征分别描述SAR目标几何形状特征、投影特征及图像分解特征,联合使用可以有效增强对目标的描述。分类阶段采用联合稀疏表示对测试样本的3类特征进行表征。对于3类特征的输出误差矢量,采用多组权值矢量进行加权融合,进而根据最终融合的误差判定测试样本的目标类别。基于MSTAR(moving and stationary target acquisition and recognition)数据集的标准操作条件、扩展操作条件及少量训练样本条件对所提方法进行测试,结果验证了所提方法的有效性、稳健性及对少量训练样本的适应性。