基于SVM和SRC级联决策融合的SAR图像目标识别方法
吴天宝1
夏靖波1
黄玉燕2
1.厦门大学嘉庚学院信息科学与技术学院,福建厦门3610052.集美大学轮机工程学院,福建厦门361021
摘要：提出基于支持向量机(support vector machine,SVM)和稀疏表示分类(sparse representation-based classification,SRC)级联决策融合的合成孔径雷达(synthetic aperture radar,SAR)图像目标识别方法.首先,采用SVM对测试样本进行分类,根据各个训练类别输出的后验概率,采用门限判决法选取其中具有高置信度的候选类别;其次,基于候选训练样本构造字典,对测试样本进行SRC分类;最后,采用线性加权融合SVM和SRC的决策值,获得更为可靠的识别结果.SVM的预筛选分类有效降低了SRC中的字典规模,从而提高其分类效率,同时,SRC具有的噪声、遮挡稳健性也可以补充SVM在此方面的不足.因此,提出的方法可以有效综合SVM和SRC的优势,提高最终的识别性能.采用MSTAR数据集进行识别实验,结果验证了本文方法的有效性.
关键词：合成孔径雷达目标识别级联决策融合支持向量机稀疏表示分类
分类号：TP753(遥感技术)
资助基金：福建省自然科学基金(2018J01101,600002/KL51828)福建省中青年教师教育科研项目(JT180795)
论文发表日期：2020-08-28
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 118-124 )
英文信息