基于流形学习的SAR目标识别

摘要

主成分分析法（PCA）及其常用的推广的线性特征提取方法在SAR识别中通过变量的少数几个线性组合来解释随机向量的协方差结构并提取特征值，然而在线性变化及特征选取中容易丢失大量信息，对样本的描述性不够。针对该问题，本文提出了一种基于形学习算法，根据每一类MSTAR目标图像存在小幅姿态、方向微弱变化，从而判断处于高维数据空间的某个低维流形上这一特征，利用混合因子分析模型来对流形建模，根据不同目标所在的流形的特征参数，构建全局字典，实验证明，所提出的方法在识别率及速度上优于常规的线性特征提取方法。