基于KPCA准则的SAR目标特征提取与识别

被引：52

作者：

韩萍

吴仁彪

王兆华

王蕴红

机构：

[1] 天津大学电信学院

[2] 中国民航学院通信与信息处理研究所

[3] 中国科学院自动化研究所模式识别国家重点实验室天津中国民航学院通信与信息处理研究所天津

[4] 天津

[5] 北京

来源：

电子与信息学报 | 2003年 / 10期

关键词：

合成孔径雷达; 自动目标识别; KPCA准则; 特征提取; SVM分类器;

D O I：

暂无

中图分类号：

TN957.52 [数据、图像处理及录取];

学科分类号：

摘要：

该文给出了一种基于 KPCA(Kernel Principal Component Analysis)和 SVM(SupportVector Machine)的合成孔径雷达(Synthetic Aperture Radar,SAR)目标特征提取与识别方法。该方法在非线性空间内利用线性 PCA(Principal Component Analysis)准则提取目标特征并由 SVM分类器完成目标识别。基于美国国防高级研究计划署(Defense Advanced Research Project Agency,DARPA)和空军研究室(Air Force Research Laboratory,AFRL)提供的实测 SAR地面目标数据的实验结果表明,该文方法不但能够提高识别率,具有良好的推广能力,同时还降低了对方位估计精度的要求,是一种有效的 SAR目标特征提取与识别方法。

引用

页码：1297 / 1301

页数：5