基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
该文提出了一种基于栈式自编码器(Stacked AutoEncoder,SAE)特征融合的合成孔径雷达(Synthetic Aperture Rader,SAR)图像车辆目标识别算法.首先,该算法提取了SAR图像的25种基线特征(baseline features)和局部纹理特征(Three-Patch Local Binary Patterns,TPLBP).然后将特征串联输入SAE网络中进行融合,采用逐层贪婪训练法对网络进行预训练.最后利用softmax分类器微调网络,提高网络融合性能.另外,该文提取了SAR图像的Gabor纹理特征,进行了不同特征之间的融合实验.结果表明基线特征与TPLBP特征冗余性小,互补性好,融合后的特征区分性大.与直接利用SAE,CNN(Convolutional Neural Network)进行目标识别的算法相比,基于SAE的特征融合算法简化了网络结构,提高了识别精度与识别效率.基于MSTAR数据集的10类目标分类精度达95.88%,验证了算法的有效性.
推荐文章
基于栈式降噪稀疏自动编码器的雷达目标识别方法
目标识别
深度学习
栈式降噪稀疏自动编码器
基于栈式自编码器的FTIR光谱识别
傅里叶变换红外光谱
深度学习
栈式自编码
定性分析
栈式降噪自编码器在辐射源信号识别中的应用
雷达辐射源
短时傅里叶
图像预处理
栈式降噪自编码器
分类器
基于多特征-多表示融合的SAR图像目标识别
合成孔径雷达
目标识别
稀疏表示
协同表示
决策融合
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于栈式自编码器特征融合的SAR图像车辆目标识别
来源期刊 雷达学报 学科 工学
关键词 SAR 目标识别 特征融合 栈式自编码器 MSTAR
年,卷(期) 2017,(2) 所属期刊栏目 论文
研究方向 页码范围 167-176
页数 10页 分类号 TP751
字数 8339字 语种 中文
DOI 10.12000/JR16112
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 计科峰 国防科学技术大学电子科学与工程学院 35 323 11.0 16.0
2 邹焕新 国防科学技术大学电子科学与工程学院 27 242 10.0 14.0
3 邢相薇 2 21 1.0 2.0
4 康妙 国防科学技术大学电子科学与工程学院 1 21 1.0 1.0
5 冷祥光 国防科学技术大学电子科学与工程学院 3 26 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (22)
共引文献  (26)
参考文献  (13)
节点文献
引证文献  (21)
同被引文献  (61)
二级引证文献  (58)
1985(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(5)
  • 参考文献(1)
  • 二级参考文献(4)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(3)
  • 参考文献(2)
  • 二级参考文献(1)
2011(4)
  • 参考文献(1)
  • 二级参考文献(3)
2012(2)
  • 参考文献(1)
  • 二级参考文献(1)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(3)
  • 参考文献(1)
  • 二级参考文献(2)
2015(3)
  • 参考文献(2)
  • 二级参考文献(1)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(11)
  • 引证文献(10)
  • 二级引证文献(1)
2019(40)
  • 引证文献(5)
  • 二级引证文献(35)
2020(26)
  • 引证文献(4)
  • 二级引证文献(22)
研究主题发展历程
节点文献
SAR
目标识别
特征融合
栈式自编码器
MSTAR
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
雷达学报
双月刊
2095-283X
10-1030/TN
大16开
北京市海淀区北四环西路19号
2012
chi
出版文献量(篇)
766
总下载数(次)
3
总被引数(次)
4241
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导