基于多重集典型相关的深度特征融合及SAR目标识别方法

• 作者: 刘世明 陈惠红
• 来源期刊: 电子测量与仪器学报
• 学科: 工学
• 关键词: 合成孔径雷达 目标识别 卷积神经网络 多重集典型相关分析 稀疏表示分类
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 学术论文
• 页码范围: 57-63
• 页数: 7页
• 分类号: TP753
• 语种: 中文
• DOI: 10.13382/j.jemi.B1801862

摘要

提出基于多重集典型相关分析(MCCA)的深度特征融合及合成孔径雷达(SAR)目标识别方法.该方法首先设计了针对SAR目标识别的卷积神经网络(CNN).为了充分利用各个卷积层输出的特征图,首先采用矢量化串接、下采样的方式为每一个卷积层的输出构造特征矢量.然而,采用多重集典型相关分析融合各个层次的特征矢量,构造统一的特征矢量.在分类阶段,采用稀疏表示分类(SRC)对融合得到的特征矢量进行决策,判定目标类别.基于MSTAR公共数据集在标准操作条件和几类典型扩展操作条件下进行了目标识别实验,验证了方法的优越性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘世明		39	38	3.0	5.0
2	陈惠红		49	62	5.0	6.0