基于多特征-多表示融合的SAR图像目标识别

摘要

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标识别问题,该文提出了一种基于多特征-多表示学习分类器融合的识别算法.首先,该算法提取了SAR图像3种特征,包括主成分(Principle Component Analysis,PCA)特征,小波变换特征和2维切片Zernike矩(2-Dimension Slice Zernike Moments,2DSZM)特征.然后,将测试样本的3类特征分别输入稀疏表示分类器和协同表示分类器进行预分类,得到6个预测标签.对6个预测标签进行分类器融合,得到最终的识别决策.实验中研究了3种不同的分类器融合算法,实验结果表明利用贝叶斯决策融合得到了最佳的识别性能.基于多特征-多表示学习分类器融合的方法集成了多特征的鉴别能力,也融合了稀疏和协同表示的分类性能,实现优势互补,有效提高了识别精度.基于Moving and Stationary Target Acquisition and Recognition (MSTAR)公开发布的SAR目标数据库的实验验证了该方法的有效性.