郭丹丹 陈 渤 丛玉来 文 伟



基于PGBN模型的SAR图像目标识别方法

郭丹丹 陈 渤*丛玉来 文 伟

(西安电子科技大学雷达信号处理国家重点实验室 西安 710071)

特征提取是合成孔径雷达图像目标识别的关键步骤，也是难点之一。该文提出一种基于PGBN(Poisson Gamma Belief Network)模型的SAR图像目标识别方法。PGBN模型作为一种深层贝叶斯生成网络，利用伽马分布具有的高度非线性，从复杂的SAR图像数据中获得了更具结构化的多层特征表示，这种多层特征表示有效提高了SAR图像目标识别性能。为了获得更高的训练效率和识别率，该文进一步采用朴素贝叶斯准则提出了一种对PGBN模型进行分类的方法。实验采用MSTAR的3类目标数据进行了验证，结果表明通过该方法提取的特征有更好的结构信息，对SAR图像目标识别具有较好的性能。

SAR图像；特征提取；PGBN(Poisson Gamma Belief Network)模型

1 引言

SAR图像目标识别具有重要的商业价值和军事价值，一直是国内外研究的热点[1,2]。虽然近几年目标识别领域已经得到了极大的发展，但是准确快速地完成SAR图像目标识别仍然是一项充满挑战的任务。对于SAR图像目标识别来说，特征提取是其中十分关键的一步，特征提取的好坏直接影响SAR图像目标的识别性能，因此有必要对SAR图像进行有意义的特征提取，提高SAR图像目标识别性能。现在已经有了许多针对SAR图像的特征提取方法。例如：文献[3]采用PCA(Principal Component Analysis)对图像作特征提取，该方法属于线性特征提取方法，并不能得到数据的非线性特征；文献[4]采用KPCA(Kernel Principal Component Analysis)方法得到数据的非线性特征，对数据有更好的表征能力；……