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5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：
基于多注意力特征融合的SAR图像目标分类算法
1
作者 许丽龙 王春柳 +1 位作者 侯宇超 王鹏 《中北大学学报(自然科学版)》 2025年第5期561-573,共13页
针对SAR图像目标分类问题提出了一种新的多注意力特征融合网络(Multi-Attention Feature Fusion Network,MAFNet)分类模型。该模型首先对初始图像使用多头自注意力机制来捕获全局信息;其次,通过引入协方差注意力机制进一步增强通道特征... 针对SAR图像目标分类问题提出了一种新的多注意力特征融合网络(Multi-Attention Feature Fusion Network,MAFNet)分类模型。该模型首先对初始图像使用多头自注意力机制来捕获全局信息;其次,通过引入协方差注意力机制进一步增强通道特征和空间特征的表达;然后引入浅层鲁棒特征下采样模块,以更高效地提取原始图像的有效信息;最后对前述获得的三个注意力特征进行融合,获取了更有表征能力的SAR图像特征。本文模型克服了传统卷积神经网络仅在局部范围进行特征提取的问题,对深层特征进行通道和空间两个维度的信息筛选和增强,同时融合包含全局信息的特征,有效提升了模型的分类准确性和鲁棒性。在SOC条件下的MSTAR数据集上的实验结果表明,MAFNet的分类准确率达99.96%,明显优于其他算法。 展开更多
关键词 雷达图像目标分类 mstar数据集 注意力机制 特征提取
在线阅读 下载PDF
基于协同编码分类器的SAR目标识别方法 被引量：4
2
作者 王鑑航 张广宇 李艳 《中国电子科学研究院学报》 北大核心 2019年第3期290-295,共6页
合成孔径雷达(Synthetic Aperture Radar,SAR)自动目标识别(Automatic Target Recognition,ATR)是SAR图像解译的关键技术之一。本文提出了基于协同编码分类器的SAR目标识别方法。协同编码采用所有类别训练样本构建的全局字典最优重构测... 合成孔径雷达(Synthetic Aperture Radar,SAR)自动目标识别(Automatic Target Recognition,ATR)是SAR图像解译的关键技术之一。本文提出了基于协同编码分类器的SAR目标识别方法。协同编码采用所有类别训练样本构建的全局字典最优重构测试样本,并根据各类别的重构误差判定目标类别。相比稀疏表示的方法,协同编码的策略可以提升少量训练样本对于测试样本的表示能力。针对SAR目标识别,训练样本的资源十分有限。因此,协同编码表示更为适用。采用MSTAR十类目标数据集在多种条件下进行了目标识别实验并与其它分类器进行了对比。实验结果表明,本文方法在标准操作条件、型号变化、俯仰角变化以及少量训练样本等条件下均可以觉得优越的识别性能,证明了其有效性。 展开更多
关键词 合成孔径雷达 目标识别 协同编码分类器 mstar数据集
在线阅读 下载PDF
高斯过程模型在SAR图像目标识别中的应用 被引量：2
3
作者 尚珊珊 余子开 +1 位作者 范涛 金利民 《红外与激光工程》 EI CSCD 北大核心 2021年第7期144-150,共7页
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SA... 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。 展开更多
关键词 合成孔径雷达 目标识别 高斯过程模型 mstar数据集
原文传递
SAR目标轮廓匹配及其在目标识别中的运用 被引量：9
4
作者 王旭 蒋书波 张秀梅 《计算机工程与设计》 北大核心 2019年第1期184-189,共6页
为提高合成孔径雷达目标识别性能,提出一种基于目标轮廓匹配的目标识别方法,目标轮廓描述目标的几何外形分布以及尺寸信息,是广泛应用于目标识别的特征之一。将目标轮廓进行分段,采用部分Hausdorff距离度量各个分段的距离,通过科学综合... 为提高合成孔径雷达目标识别性能,提出一种基于目标轮廓匹配的目标识别方法,目标轮廓描述目标的几何外形分布以及尺寸信息,是广泛应用于目标识别的特征之一。将目标轮廓进行分段,采用部分Hausdorff距离度量各个分段的距离,通过科学综合各个分段的部分Hausdorff距离,设计目标轮廓的距离测度,根据具有最小距离的原则判断目标类型。分段匹配的策略有效避免了轮廓提取误差以及目标部分遮挡对于目标识别的不良影响,提高了识别算法的稳健性。通过在MSTAR数据集的多种条件下进行实验,验证了提出方法有效性和稳健性。 展开更多
关键词 合成孔径雷达 目标识别 轮廓匹配 部分Hausdorff距离 mstar数据集
在线阅读 下载PDF
基于非下采样剪切波特征提取的SAR图像目标识别方法 被引量：3
5
作者 丁慧洁 《探测与控制学报》 CSCD 北大核心 2020年第1期75-80,共6页
针对现有合成孔径雷达(SAR)图像特征提取方面的不足,提出基于非下采样剪切波(NSST)特征提取的SAR目标识别方法。该方法采用NSST对SAR图像进行分解获得多层次的子代图像,这些子代图像具有良好的平移不变性并且可以很好地反映目标的主要... 针对现有合成孔径雷达(SAR)图像特征提取方面的不足,提出基于非下采样剪切波(NSST)特征提取的SAR目标识别方法。该方法采用NSST对SAR图像进行分解获得多层次的子代图像,这些子代图像具有良好的平移不变性并且可以很好地反映目标的主要和细节特征。在分类阶段,采用联合稀疏表示对多层次NSST子代图像进行联合表征;联合稀疏表示在独立表示各个分量的同时考察了不同分量之间的相关性,因此可以有效提高联合表征的精度;最终,根据整体重构误差判定测试样本的目标类别。基于MSTAR数据集对提出方法进行测试,实验结果分析表明该方法在标准操作条件、型号差异、俯仰角差异以及噪声干扰的条件下均可以保持优异性能。 展开更多
关键词 合成孔径雷达 目标识别 非下采样剪切波 联合稀疏表示 mstar数据集
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