SAR图像车辆目标多模态联合协同表示分类方法

• 作者: 张楚笛 唐涛 计科峰
• 来源期刊: 信号处理
• 关键词: 合成孔径雷达 车辆目标分类 二维变分模态分解 协同表示
• 年，卷（期）: 2021,（5）
• 所属期刊栏目: 论文|Papers
• 页码范围: 681-689
• 页数: 9页
• 分类号: TN957.52
• 语种: 中文
• DOI: 10.16798/j.issn.1003-0530.2021.05.001

摘要

为提高合成孔径雷达图像车辆目标的识别性能,本文提出一种SAR图像车辆目标多模态联合协同表示分类(Joint Multimode Cooperative Representation Classification,JMCRC)方法.首先采用二维变分模态分解技术将SAR图像分解为分别表征全局信息和边缘信息的多个子模态分量,接着提取各子模态的二维双向主成分分析(《2D)2PCA)特征;其次将协同表示分类扩展为多模态联合协同表示分类,联合原始图像和各子模态的特征完成分类任务.在MSTAR数据集和实测数据集上对所提方法进行了验证,结果表明该方法在标准操作条件(Standard Operating Condition,SOC)以及两种型号差异条件、俯仰角变化条件和样本不平衡条件中均取得更好的分类性能.