基于字典学习和拓展联合动态稀疏表示的SAR目标识别

作者：曹娜; 王永利^*; 孙建红; 赵宁; 宫小泽

来源：自动化学报, 2020, 46(12): 2638-2646.

DOI：10.16383/j.aas.c180228

• 字典学习
• 拓展联合动态稀疏表示
• 目标识别
• 合成孔径雷达图像

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(Synthetic aperture radar, SAR)图像的目标自动识别(Automatic target recognition, ATR)方法.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.

• 单位
  中国人民解放军63850部队; 南京理工大学