基于局部多分辨特征的SAR图像自动目标识别（精）

更新时间：2024-02-26 06:25:01 阅读量：综合文库文档下载

说明：文章内容仅供预览，部分内容可能不全。下载后的文档，内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的，是否完整无缺。

基于局部多项式方法的异方差估计推荐度：
相关推荐

１０５４清华大学学报（自然科学版）（）２０１１，５１８征提取后，送入分类器进行测试，输出分类结果。原图像大小为５均值１１２×５１２像素，０．８２，方差７５．３０，动态范围６４．０７，等效视数１．５６，辐射分辨率２．目标分割后，虽然目标的重心相对于原５６；但经过分类实验，始ＭＳＴＡＲ切片中心有所偏移，图像中３类６个目标均能实现正确检测和识别，充分证实了本文方法的有效性。为了进一步测试算法在强噪声下的鲁棒性，向图像相原始图像中加入相干斑噪声。加入噪声后，关参数如下：均值１０．８３，方差８５．０４，动态范围６５．３１，等效视数１．３８，辐射分辨率２．６７，峰值信噪比３重心计算，目标８．３８。采用相同的目标检测、），分类结果显示，图６图像中的６个目标切片获取（仍能正确检测和识别，进一步证实了本文特征提取方法的有效性和鲁棒性。对大场景ＳＭＳＴＡＲ目标切片分类正确率高，ＡＲ图像中的多类、多个目标的分割与自动目标识别也非常有效，并且对相干斑噪声具有较强的鲁棒性。）参考文献（Ｒｅｆｅｒｅｎｃｅｓ［］Ｗ１ａｎＨＱ，ＳｕｎＦＣ，ＺｈａｏＺＴ，ｅ

ｔａｌ．ＳＡＲｉｍａｅＡＴＲｇｇ［］／／ｕｓｉｎＳＶＭｗｉｔｈａｌｏｗｄｉｍｅｎｓｉｏｎａｌｃｏｍｂｉｎｅｄｆｅａｔｕｒｅＣｇＩｎｔｍｏｓｉｕｍｎｕｌｔｉｓｅｃｔｒａｌｍａｅｒｏｃｅｓｓｉｎｎｄＳｏＭＩＰｙｐｐｇｇａ：，ＰａｔｔｅｒｎＲｅｃｏｎｉｔｉｏｎ．ＷｕｈａｎＳＰＩＥＰｒｅｓｓ２００７：６７８６２Ｊ．ｇ［］Ｓ２ｈｅｎＤＧ．Ｄｉｓｃｒｉｍｉｎａｔｉｖｅｗａｖｅｌｅｔｓｈａｅｄｅｓｃｒｉｔｏｒｓｆｏｒｐｐ］ｒｅｃｏｎｉｔｉｏｎｏｆ２Ｊ．ＰａｔｔｅｒｎＲｅｃｏｎｉｔｉｏｎ，１９９９，ａｔｔｅｒｎｓ［－Ｄｇｐｇ（）：３２２１５１１６５．－［］Ｚ３ｈａｏＱ，Ｐｒｉｎｃｉ

ｅＪＣ．ＳｕｏｒｔｖｅｃｔｏｒｍａｃｈｉｎｅｆｏｒＳＡＲｐｐｐ］ａｕｔｏｍａｔｉｃｔａｒｅｔｒｅｃｏｎｉｔｉｏｎ［Ｊ．ＩＥＥＥＴｒａｎｓｏｎＡｅｒｏｓａｃｅｇｇｐ（）：ＥｌｅｃｔｒｏｎｉｃＳｓｔｅｍｓ，２００１，３７２６４３６５４．ａｎｄ－ｙ［］Ｓ，Ｌ４ｕｎＹＪｉｕＺＰ，ＴｏｄｏｒｏｖｉｃＳ．Ｓｎｔｈｅｔｉｃａｅｒｔｕｒｅｒａｄａｒｙｐ／／ａｕｔｏｍａｔｉｃａｒｅｔｅｃｏｎｉｔｉｏｎｄａｔｉｖｅｏｏｓｔｉｎＣ］ｔｒａｂｇｇｐｇ［Ｐｒｏｃｅｅｄｉｎｓｆｈｅ００５Ｉｎｔｅｒｎａｔｉｏｎａｌｏｃｉｅｔｔｉｃａｌｏｔ２ＳｇｙｐＯ：，ＤｉｅｏＳＰＩＥＰｒｅｓｓ２００５：２８２２９３．Ｅｎｉｎｅｅｒｉｎ．Ｓａｎ－ｇｇｇ［］Ｌ５ｏｗｅＤＧ．Ｄｉｓｔｉｎｃｔｉｖｅｉｍａｅｆｅａｔｕｒｅｓｆｒｏｍｓｃａｌｅｉｎｖａｒｉａｎｔ－ｇ］（）：ｋｅｏｉｎｔｓ［Ｊ．ＩｎｔＪＣｏｍｕｔＶｉｓｉｏｎ，２００４２９１１１０．－ｙｐｐ［］Ｍ６ｉｋｏｌａｃｚｋＫ，ＳｃｈｍｉｄＣ．Ａｅｒｆｏｒｍａｎｃｅｅｖａｌｕａｔｉｏｎｏｆｌｏｃａｌ

ｊｙｐ］ｄｅｓｃｒｉｔｏｒｓ［Ｊ．ＩＥＥＥＴｒａｎｓｏｎＰａｔｔｅｒｎＡｎａｌｓｉｓａｎｄｐｙ（）：Ｉｎｔｅｌｌｉｅｎｃｅ，２００５，２７１０１６１５１６３０．Ｍａｃｈｉｎｅ－ｇ［］Ｖ７ａｎｉｋＶＮ．ＴｈｅＮａｔｕｒｅｏｆＳｔａｔｉｓｔｉｃａｌＬｅａｒｎｉｎＴｈｅｏｒｐｇｙ［：，Ｍ］．ＮｅｗＹｏｒｋＳｒｉｎｅｒＰｒｅｓｓ１９９９．ｐｇ［］Ｏ，Ｗ８ｎＣＳ，ＳｍｏｌａＡＪｉｌｌｉａｍｓｏｎＲＣ．Ｌｅａｒｎｉｎｔｈｅｋｅｒｎｅｌｇｇ］ｗｉｔｈｅｒｋｅｒｎｅｌｓ［Ｊ．ＪｏｕｒｎａｌｏＭａｃｈｉｎｅＬｅａｒｎｉｎｈｙｐｆｇＲｅｓｅａｒｃｈ，２００５，６：１０４３１０７１．－［］Ｓ９ｏｎｎｅｎｂｕｒＳ，Ｒ

ｔｓｃｈＧ，Ｓｃｈ

ｆｅｒＣ，ｅｔａｌ．Ｌａｒ

ｅｓｃａｌｅｇｇ］ｍｕｌｔｉｌｅｋｅｒｎｅｌｌｅ

ａｒｎｉｎＪ．ＪｏｕｒｎａｌｏＭａｃｈｉｎｅＬｅａｒｎｉｎｐｇ［ｆｇＲｅｓｅａｒｃｈ，２００６，７：１５３１１５６５．－［］Ｋ１０ｉｎｓｂｕｒＮ，ＴａＤＢＨ，ＰａｌａｎｉｓｗａｍｉＭ．Ｍｕｌｔｉｓｃａｌｅ－ｇｙｙ／／Ｐｋｅｒｎｅｌｍｅｔｈｏｄｓｆｏｒｃｌａｓｓｉｆｉｃａｔｉｏｎ［Ｃ］ｒｏｃｅｅｄｉｎｓｏｆＩＥＥＥｇＷｏｒｋｓｈｏｏｎａｃｈｉｎｅｅａｒｎｉｎｏｒｉｎａｌｒｏｃｅｓｓｉｎ．ＭＬＳＰｐｇｇｇｆ图６加入相干斑噪声的多目标场景图像ＡＴＲ仿真４结论受感受野模型与多分辨分析的启发，提出了一种从图像局部点出发，对图像进行多分辨分析的图并应用于ＭＳ像处理方法，ＴＡＲ数据集中的ＳＡＲ图像目标的特征提取。同时基于多级特征的整合，运用基于多尺度核方法的Ｓ实现了三类ＶＭ模型，目标的分类。该方法实现简单、快速有效，不仅对，Ｎ：，ＰｉｓｃａｔａｗａｅｗＪｅｒｓｅＩＥＥＥＰｒｅｓｓ２００５：４３４

８．－ｙｙ［］Ｚ１１ｈｅｎＤＮ，ＷａｎＪＸ，ＺｈａｏＹ

Ｎ．Ｎｏｎｆｌａｔｆｕｎｃｔｉｏｎ－ｇｇ］ｅｓｔｉｍａｔｉｏｎｗｉｔｈａｍｕｌｔｉｓｃａｌｅｓｕｏｒｔｖｅｃｔｏｒｒｅｒｅｓｓｉｏｎ［Ｊ．－ｐｐｇＮｅｕｒｏｃｏｍｕｔｉｎ２００６，７０：４２０４２９．－ｐｇ，［］Ｐ１２ｏｚｄｎｏｕｋｈｏｖＡ，ＫａｎｅｖｓｋｉＭ．Ｍｕｌｔｉｓｃａｌｅｓｕｏｒｔｖｅｃｔｏｒ－ｐｐ］ｆｏｒｈｏｔｓｏｔｄｅｔｅｃｔｉｏｎａｎｄｍｏｄｅｌｉｎＪ．ＪＳｔｏｃｈａｌｏｒｉｔｈｍｓｇｐｇ［ＥｎｖｉｒｏｎＲｅｓａｎｄＲｉｓｋＡｓｓｅｓｓ，２００７，２２：６４７６６０．－［］［］１３ＯｆｅｒＲ．ＭｕｌｔｉｓｃａｌｅｋｅｒｎｅｌｓＪ．ＡｄｖａｎｃｅｓｉｎＣｏｍｕｔａｔｉｏｎａｌｐｐＭａｔｈｅｍａｔｉｃｓ，２００６，２５：３５７３８０．－

本文来源：https://www.bwwdw.com/article/oika.html

相关文章：

正在阅读：

基于局部多分辨特征的SAR图像自动目标识别（精）02-26

A person\\'s job has more effects on his or her happ07-02

《协议出让国有土地使用权规定》（国土资源部第21号令）11-26

2014填空题信息技术09-11

留学服务中心调档函09-09

球团设备检修措施10-18

上一篇：测量学试题库及答案下一篇：南京市旅客票务代理公司名录2018版131家 - 图文