基于斯皮尔曼等级相关的单演谱成分选择及其在SAR目标识别中的应用

摘要

特征提取是合成孔径雷达(synthetic aperture radar,SAR)目标识别中的关键因素之一.文中提出联合多层次单演谱特征的SAR目标识别方法,采用单演信号对原始SAR图像进行分解,获得不同层次的单演谱成分.基于斯皮尔曼等级相关分析分解的谱成分与原始SAR图像的相关性,设置相似度门限来选取若干具有较强鉴别力的谱成分.采用联合稀疏表示(joint sparse representation,JSR)对筛选得到的谱成分进行表征和分类,并基于MSTAR公开数据集在标准操作条件(standard operating conditions,SOC)和若干扩展操作条件下对多类地面车辆目标进行分类测试.实验结果表明:本文方法在SOC下对10类目标的平均识别率达到98.52%;对30°和45°俯仰角下的10类目标平均识别率分别为98.15%和72.06%;在噪声干扰条件下也可以保持良好的稳健性.综合对比,提出的方法相比现有几类SAR目标识别方法具有一定的性能优势.