基于互补特征层次决策融合的SAR目标识别方法
2018-10-13赵鹏举
电光与控制 2018年10期
赵鹏举, 甘 凯
(1.重庆电子工程职业学院计算机学院,重庆 401331; 2.西安科技大学计算机科学技术学院,西安 710054)
0 引言
合成孔径雷达(Synthetic Aperture Radar,SAR)因具有全天时、全天候等优势在军事和民用领域得以广泛运用。随着SAR传感器的不断发展和SAR图像分辨率的不断提高,如何实现SAR数据高效、稳健的解译成为当前亟需解决的问题。SAR目标识别作为SAR图像解译的一项重要内容,在国内外得到广泛研究[1-3]。
特征提取是SAR目标识别的一个重要环节,它旨在降低原始SAR数据维度的同时保持其类别鉴别力。常用的SAR图像特征包括PCA特征[4]、LDA特征[4]、目标轮廓[5]、散射中心[6-7]等,这些特征从不同层次或侧面描述了SAR目标的特性。因此,通过不同特征的决策融合有望提高目标识别的性能。传统的多特征决策融合算法对于参与融合的特征并没有做过多的挑选,因此这些特征往往具有相近的性质,不能为目标提供更为丰富的描述。在采用的决策融合结构上,往往采用并行的融合策略[8],即分别对每一类特征进行独立分类,然后进行决策层的融合。这种并行融合的策略存在效率低的特点,不利于实现实时的目标识别。
本文提出基于互补特征层次决策融合的SAR目标识别方法,对于参与融合的特征,充分考虑它们对于目标描述是否具有互补性。SAR图像反映目标的电磁散射特性,其灰度分布反映了目标散射强度的分布。本文采用PCA方法提取SAR图像的全局特征,从而反映SAR图像整体的灰度分布规律。为了更好地描述强散射中心的分布规律,提取SAR图像的峰值特征作为局部描述子。……
登录APP查看全文
