期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到3篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
重构目标和多层次BVMD特征融合的SAR图像目标识别方法
1
作者 肜瑶 张洋洋 《探测与控制学报》 北大核心 2025年第1期94-101,共8页
针对SAR图像目标识别问题,从特征提取和分类器两方面,提出结合目标重构和多层次二维变分模态分解(BVMD)特征决策融合的SAR图像目标识别方法。首先,提取待识别样本目标属性散射中心集,并据此对目标进行重构用于剔除原始图像中噪声、杂波... 针对SAR图像目标识别问题,从特征提取和分类器两方面,提出结合目标重构和多层次二维变分模态分解(BVMD)特征决策融合的SAR图像目标识别方法。首先,提取待识别样本目标属性散射中心集,并据此对目标进行重构用于剔除原始图像中噪声、杂波等干扰;其次,在重构图像的基础上,采用BVMD进行分解,获取多模态表示用于描述目标多层次的细节和整体特征;最后,基于联合稀疏表示算法对多模态特征进行综合分析,根据计算得到的各类别重构误差对待识别样本的所属目标类别进行判定。基于MSTAR公开数据集的实验结果证明了提出方法的有效性。 展开更多
关键词 SAR 目标识别 变分模态分解 目标重构 联合稀疏表示
在线阅读 下载PDF
基于BVMD特征决策融合的SAR目标识别方法 被引量：6
2
作者 莫海宁 钟友坤 《电子信息对抗技术》 北大核心 2022年第5期40-44,50,共6页
针对合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别问题,将二维变分模态分解(Bidimensional Variational Mode Decomposition,BVMD)用于特征提取进而进行分类决策。BVMD将原始SAR图像分解为若干模态,实现对目标特性的层次化细致... 针对合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别问题,将二维变分模态分解(Bidimensional Variational Mode Decomposition,BVMD)用于特征提取进而进行分类决策。BVMD将原始SAR图像分解为若干模态,实现对目标特性的层次化细致描述。采用稀疏表示分类(Sparse Representation-based Classification,SRC)分别对各个模态进行分类进而根据输出的重构误差定义各个模态的分类置信度。通过门限法选取若干具有高置信度的模态进行决策融合从而判定测试样本的类别。实验中,在MSTAR数据集上对提出方法进行验证。通过在标准操作条件和扩展操作条件下与几类现有方法进行对比,结果证明该方法是有效和稳健的。 展开更多
关键词 合成孔径雷达 目标识别 二维变分模态分解 稀疏表示分类 决策融合
在线阅读 下载PDF
联合变分模态分解和卷积神经网络的SAR图像目标分类方法
3
作者 王源源 《电光与控制》 CSCD 北大核心 2023年第6期41-46,共6页
针对合成孔径雷达(SAR)目标分类问题,联合二维变分模态分解(BVMD)和卷积神经网络(CNN),通过二维变分模态分解获得原始SAR图像的多模态表示,反映目标的全局和细节信息;设计适当的卷积神经网络分别对各个模态进行分类并输出后验概率矢量;... 针对合成孔径雷达(SAR)目标分类问题,联合二维变分模态分解(BVMD)和卷积神经网络(CNN),通过二维变分模态分解获得原始SAR图像的多模态表示,反映目标的全局和细节信息;设计适当的卷积神经网络分别对各个模态进行分类并输出后验概率矢量;基于Bayesian理论融合各个模态的后验概率矢量;并根据融合后的结果判定目标结果。所提方法通过结合二维变分模态分解和卷积神经网络的优势综合提升SAR图像目标分类性能。实验中,基于MSTAR数据集对所提方法在4种典型场景下进行了测试并与现有方法进行对比,结果表明所提方法性能更具优势。 展开更多
关键词 合成孔径雷达图像 目标分类 二维变分模态分解 卷积神经网络 Bayesian决策融合
在线阅读 下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部