

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)是一種主動(dòng)式相干成像雷達(dá),在環(huán)境監(jiān)測(cè)、資源勘察和國(guó)防軍事等領(lǐng)域有著廣泛的應(yīng)用。SAR在軍事領(lǐng)域最主要的應(yīng)用是實(shí)現(xiàn)對(duì)特定軍事目標(biāo)的檢測(cè)和識(shí)別,如何實(shí)現(xiàn)SAR圖像的自動(dòng)目標(biāo)識(shí)別(Automatic Target Recognition,ATR),具有重要的理論和實(shí)踐意義。SAR圖像的目標(biāo)識(shí)別研究也成為了國(guó)內(nèi)外的研究熱點(diǎn)。本文針對(duì)SAR圖像目標(biāo)識(shí)別中受相干斑噪聲干擾,底
2、層特征不穩(wěn)健等問題,結(jié)合稀疏表示的特征學(xué)習(xí)能力和深度網(wǎng)絡(luò)的高層特征抽取能力,分別提出了基于多尺度稀疏表示和基于深層去噪自編碼網(wǎng)絡(luò)的SAR圖像目標(biāo)識(shí)別算法,主要工作如下:
1.基于多尺度稀疏表示方法的SAR圖像目標(biāo)識(shí)別方法。針對(duì)傳統(tǒng)稀疏表示方法中缺少多尺度信息,且直接在SAR圖像域進(jìn)行稀疏表示易受噪聲干擾等問題,提出一種基于密集SIFT特征的多尺度稀疏表示算法,首先提取圖像的多尺度密集SIFT特征,利用SIFT特征訓(xùn)練多尺度字典
3、,進(jìn)一步對(duì)局部特征進(jìn)行稀疏表示,最后使用多尺度稀疏表示訓(xùn)練線性SVM進(jìn)行目標(biāo)分類。
2.基于深層去噪自編碼網(wǎng)絡(luò)的SAR圖像目標(biāo)識(shí)別方法??紤]SAR圖像的相干斑噪聲特性,利用去噪自編碼器對(duì)噪聲的魯棒性,提出基于深層去噪自編碼網(wǎng)絡(luò)的SAR圖像深層特征提取方法,首先通過提取大量密集SIFT特征作為特征輸入,訓(xùn)練去噪自編碼網(wǎng)絡(luò),避免了網(wǎng)絡(luò)出現(xiàn)過擬合。通過深層去噪自編碼網(wǎng)絡(luò),對(duì)SIFT特征進(jìn)行了高層特征的抽取,用于后期分類器的特征輸入。
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于稀疏表示的SAR圖像目標(biāo)識(shí)別.pdf
- 基于稀疏表示的SAR圖像目標(biāo)識(shí)別研究.pdf
- 基于圖像域特征稀疏表示的SAR目標(biāo)識(shí)別研究.pdf
- 基于稀疏表示及字典學(xué)習(xí)的SAR目標(biāo)識(shí)別.pdf
- 基于稀疏表示的SAR目標(biāo)識(shí)別算法研究.pdf
- 基于特征參數(shù)稀疏表示的SAR圖像目標(biāo)識(shí)別的研究.pdf
- 基于判別性字典學(xué)習(xí)和稀疏表示的SAR地面目標(biāo)識(shí)別.pdf
- 基于稀疏理論的SAR圖像目標(biāo)識(shí)別研究.pdf
- 基于稀疏表示的高光譜圖像目標(biāo)識(shí)別.pdf
- 基于HRRP時(shí)頻域稀疏表示的SAR目標(biāo)識(shí)別研究.pdf
- 面向SAR圖像目標(biāo)識(shí)別和地物分類的深度學(xué)習(xí)研究.pdf
- 基于深度學(xué)習(xí)的SAR目標(biāo)識(shí)別方法研究.pdf
- 基于深度學(xué)習(xí)的圖像目標(biāo)識(shí)別研究.pdf
- 基于字典學(xué)習(xí)的SAR圖像目標(biāo)識(shí)別研究.pdf
- 基于深度學(xué)習(xí)和稀疏表示的手勢(shì)識(shí)別研究.pdf
- 基于深度學(xué)習(xí)的SAR特征提取與目標(biāo)識(shí)別研究.pdf
- 基于流形學(xué)習(xí)與稀疏描述的SAR目標(biāo)識(shí)別算法研究.pdf
- 基于流形學(xué)習(xí)與稀疏描述的sar目標(biāo)識(shí)別算法研究
- 基于深層特征學(xué)習(xí)和稀疏表示的SAR圖像分類.pdf
- 基于稀疏表示和深度學(xué)習(xí)的圖像識(shí)別算法及應(yīng)用研究.pdf
評(píng)論
0/150
提交評(píng)論