文章检索

  • 检索
  • 检索词:
  • 高级检索
您是今天第 1870位访问者
您是第 4908466 位访问者
基于L1范数B2DPCA的SAR目标特征提取与识别
SAR target feature extraction and recognition based on L1-norm B2DPCA
投稿时间:2012-05-10  修订日期:2012-06-07
中文关键词:合成孔径雷达  L1范数  双向二维主成分分析  特征提取
英文关键词:Synthetic Aperture Radar  L1-norm  B2DPCA  feature extraction
基金项目:航空基金资助项目(2011ZC52034);教育部留学回国人员科研启动基金资助项目;江苏高校优势学科建设工程资助项目
作者单位
赵 昊 南京航空航天大学 电子信息工程学院江苏 南京 210016 
摘要点击次数: 2705
全文下载次数: 1741
中文摘要:
      主成分分析法(PCA)等基于L2范数最小均方准则的目标特征提取方法在合成孔径雷达(SAR)图像目标识别中得到广泛应用,L2范数易受SAR图像中野值的干扰,影响目标特征提取效果。介绍一种基于L1范数双向二维主成分分析法(B2DPCA-L1)的目标特征提取方法。L1范数对野值有较强的鲁棒性,通过在L1范数框架下实现B2DPCA,有效地改善了样本中野值对特征提取的影响,同时减少了特征矩阵维数,提高了目标识别率。实验表明,所提出方法的识别性能优于基于L2范数的特征提取方法。
英文摘要:
      The Minimum Mean-Square based methods like Principal Component Analysis(PCA) are widely used in Synthetic Aperture Radar(SAR) target recognition. However the L2-norm based criteria is prone to be affected by the outliers, which is not good for the target feature extraction in SAR imagery. To solve this problem,a L1-norm based bilateral two Dimension Principal Component Analysis(B2DPCA-L1) is proposed. The L1-norm version of B2DPCA is robust to outliers, and reduces the dimension of feature matrix and improves the target recognition rate as well. Experiments show that the proposed method has a higher target recognition rate in SAR imagery compared with the traditional L2-norm based feature extraction methods.
引用本文:赵 昊.基于L1范数B2DPCA的SAR目标特征提取与识别[J].太赫兹科学与电子信息学报,2013,11(1):105~109
DOI:
学科分类代码:
查看全文  查看/发表评论  下载PDF阅读器

分享按钮