基于机器学习算法的合成孔径雷达图像的目标识别

• 作者: 刘一静 戴文鑫 李川 袁榕澳 谢英杰
• 来源期刊: 河南大学学报（自然科学版）
• 学科: 工学
• 关键词: SAR 目标识别 机器学习
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 自动化基础理论与信息技术
• 页码范围: 204-209
• 页数: 6页
• 分类号: TP70
• 语种: 中文

摘要

合成孑孔径雷达有着观测范围广和分辨率高的特点,可以全天候工作,并能有效地识别伪装和穿透掩盖物,但也存在雷达图像数据量大且目标电磁散射特征复杂等特点,为目标的识别引入了噪声和干扰,因此发展快速和智能化的SAR图像目标识别技术得到越来越多的关注.本文针对美国空军研究实验室SAR图像中的8个目标物引入3种机器学习算法和一些数据处理方法构建了相关的识别模型,并对其识别能力进行对比分析,结果显示这3种机器学习算法通过优化算法都可以获得较高的识别准确率(＞80％),尤其是KNN算法的测试集准确率都可以高达97％.本文研究结果可为SAR目标识别的人工智能化技术提供一些方法上的参考和指导.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李川		77	586	13.0	23.0
2	刘一静		7	45	3.0	6.0
3	谢英杰		1	0	0.0	0.0
4	戴文鑫		2	0	0.0	0.0
5	袁榕澳		1	0	0.0	0.0