基于字典学习和拓展联合动态稀疏表示的SAR目标识别

• 作者: 曹娜 王永利 孙建红 赵宁 宫小泽
• 来源期刊: 自动化学报
• 关键词: 字典学习 拓展联合动态稀疏表示 目标识别 合成孔径雷达图像
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 论文与报告
• 页码范围: 2638-2646
• 页数: 9页
• 语种: 中文
• DOI: 10.16383/j.aas.c180228

摘要

提出了一种基于字典学习和拓展联合动态稀疏表示的合成孔径雷达(Synthetic aperture radar,SAR)图像的目标自动识别(Automatic target recognition,ATR)方法.首先,在图像预处理时,分割出目标区域和目标遮挡地面形成的阴影区域,将这两个区域的信息结合起来能更好地表示图像.其次,将字典学习方法LC-KSVD(Label consistent k-singular value decomposition)引入到训练阶段中,分别学习目标区域和阴影区域的特征字典,而不是直接将所有训练样本作为固定字典.最后,在测试阶段提出了拓展联合动态稀疏表示算法,使图像数据中的两个特征共享相似但不完全相同的稀疏模式,还可处理图像噪声遮挡损坏问题.标准数据集上的实验结果表明,该方法使不同类别更具区分性,有效地提高了SAR图像的目标识别准确度.