基于KPCA准则的SAR目标特征提取与识别

• 作者: 吴仁彪 王兆华 王蕴红 韩萍
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 合成孔径雷达 自动目标识别 KPCA准则 特征提取 SVM分类器
• 年，卷（期）: 2003,（10）
• 所属期刊栏目: 论文
• 页码范围: 1297-1301
• 页数: 5页
• 分类号: TN951|TP751
• 字数: 3326字
• 语种: 中文

摘要

该文给出了一种基于KPCA(Kernel Principal Component Analysis)和SVM(SupportVcctor Machine)的合成孔径雷达(Synthetic Aperture Radar,SAR)目标特征提取与识别方法.该方法在非线性空间内利用线性PCA(Principal Component Analysis)准则提取目标特征并由SVM分类器完成目标识别.基于美国国防高级研究计划署(Defense Advanced Research Project Agency,DARPA)和空军研究室(Air Force Research Laboratory,AFRL)提供的实测SAR地面目标数据的实验结果表明,该文方法不但能够提高识别率,具有良好的推广能力,同时还降低了对方位估计精度的要求,是一种有效的SAR目标特征提取与识别方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王兆华	天津大学电信学院	83	1442	19.0	35.0
2	王蕴红	中国科学院自动化研究所模式识别国家重点实验室	13	1456	11.0	13.0
3	韩萍	天津大学电信学院	67	469	10.0	19.0
7	吴仁彪	中国民航学院通信与信息处理研究所	195	1158	14.0	22.0