IEEEJAS的个人博客分享 http://blog.sciencenet.cn/u/IEEEJAS

博文

王永利, 孙建红等:基于字典学习和拓展联合动态稀疏表示的SAR目标识别

已有 112 次阅读 2021-2-26 17:35 |系统分类:博客资讯

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式的对地观测系统,可安装在飞机、卫星、宇宙飞船等飞行平台上,全天时、全天候对地实施观测、并具有一定的地表穿透能力。因此,SAR系统在灾害监测、环境监测、海洋监测、资源勘查、农作物估产、测绘和军事等方面的应用上具有独特的优势。 


曹娜, 王永利, 孙建红, 赵宁, 宫小泽.基于字典学习和拓展联合动态稀疏表示的SAR目标识别.自动化学报, 2020, 46(12): 2638-2646

http://www.aas.net.cn/cn/article/doi/10.16383/j.aas.c180228?viewType=HTML


随着合成孔径雷达成像技术的发展,其自动目标识别(Automatic targetrecognition, ATR)受到了越来越多的关注。但是, 由于目标具有散射特性、所处场景复杂以及对成像参数敏感等问题,SAR ATR 依然是个亟待解决的难题。


近年来,稀疏表示逐渐深入应用于图像分析和分类识别等领域,即使在遮挡和噪声的情况下也能获得鲁棒的结果。基于稀疏表示的 SAR 目标识别要求每类目标有足够多的训练样本数以便能够张成类别子空间,训练样本集按列排列组合而成的矩阵可以直接用作联合动态稀疏表示的字典。但是,它们包含很多冗余, 且需要大量的内存空间,因此需要获得更紧凑的字典。


图1.png

图1  基于字典学习和拓展联合动态稀疏表示的 SAR 目标识别方法流程图


本文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图像的目标自动识别方法,将其命名为 DL-EJDSR (Dictionary learning - extended joint dynamic sparse representation)。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。


实验采用美国国防高等研究计划署公开发布的实测 SAR 地面静止军用目标数据,即 MSTAR 数据集。该数据集由不同方位角和俯仰角下的各种 SAR 目标组成,包括3大类: 装甲车 BMP2、装甲车 BTR70、主战坦克 T72。


图2.jpg

图2  数据集目标光学图像和SAR图像


如图3所示,实验结果表明,本文提出的 DL + EJDSR 方法比其他方法具有更好的性能。它不仅利用了SAR图像的两个特征(即目标区域和阴影区域)之间的相关性,而且还提供了更灵活的、自适应的原子选择过程,并且它还可以处理图像噪声遮挡损坏问题。


图3.png

图3  不同方法的识别正确率



作者简介


曹  娜

南京理工大学计算机科学与工程学院硕士研究生. 主要研究方向为模式识别和稀疏表示.

E-mail: 116106000721@njust.edu.cn


王永利

博士, 南京理工大学计算机科学与工程学院教授. 主要研究方向为海量数据分析, 机器学习, 自然语言处理, 模式识别. 本文通信作者.

E-mail: yongliwang@njust.edu.cn


孙建红

南京理工大学电子工程与光电技术学院副教授. 主要研究方向为电路信号检测与处理, 电路故障研究, 目标识别.

E-mail: sunjh1210@sina.com


赵  宁

南京理工大学计算机科学与工程学院硕士研究生. 主要研究方向为网络异常检测.

E-mail: johnny_mail@foxmail.com


宫小泽

高级工程师. 主要研究方向为数据治理, 弹药毁伤评估, 网络空间安全.




http://wap.sciencenet.cn/blog-3291369-1273994.html

上一篇:乔俊飞, 贾庆山等:深度信念网络研究现状与展望
下一篇:《自动化学报》2021年47卷2期目录分享

0

该博文允许注册用户评论 请点击登录 评论 (0 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备07017567号-12 )

GMT+8, 2021-4-13 18:39

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部