-
公开(公告)号：CN104134076A
公开(公告)日：2014-11-05
申请号：CN201410328277.7
申请日：2014-07-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于CS和SVM决策级融合的SAR图像目标识别方法。本发明结合了压缩感知和支持向量机各自的优势，利用压缩感知的优化求解数据校正方位角，并对压缩感知和支持向量机的识别结果进行决策级融合。首先将SAR图像目标识别问题转化为稀疏信号恢复问题，基于恢复的稀疏系数分别获得目标分类结果和目标方位角估计，然后对测试图像进行姿态校正，利用支持向量机获取目标分类结果，最后将三者分类结果根据投票法进行决策级融合。实验结果表明，在不进行姿态校正的情况下，基于压缩感知的目标识别算法与其它算法相比，显著提高了SAR图像变形目标识别的准确率；当样本数较少情况下，本发明显著提高了SAR变形目标的识别率。
-
公开(公告)号：CN105303548B
公开(公告)日：2017-12-22
申请号：CN201510296347.X
申请日：2015-06-02
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于混合智能优化算法的SAR图像特征选择方法。本发明首先采用分形特征对SAR图像进行增强，基于分割后的图像提出了一种基于图像矩的方位角估计方法。然后基于未校正和校正后的图像分别提取Zernike矩、Gabor小波系数和灰度共生矩阵构成候选特征序列。采用了一种结合遗传算法和二值粒子群的混合优化算法实现SAR图像特征选择。最后采用MSTAR数据库验证了提出算法的有效性。实验结果表明，优化后的特征集合具有一定泛化能力，一方面提高了SAR目标识别的准确率，另一方面减小了SAR图像目标识别的时间。
-
公开(公告)号：CN104134076B
公开(公告)日：2017-06-06
申请号：CN201410328277.7
申请日：2014-07-10
Applicant: 杭州电子科技大学
Abstract: 本发明公开了一种基于CS和SVM决策级融合的SAR图像目标识别方法。本发明结合了压缩感知和支持向量机各自的优势，利用压缩感知的优化求解数据校正方位角，并对压缩感知和支持向量机的识别结果进行决策级融合。首先将SAR图像目标识别问题转化为稀疏信号恢复问题，基于恢复的稀疏系数分别获得目标分类结果和目标方位角估计，然后对测试图像进行姿态校正，利用支持向量机获取目标分类结果，最后将三者分类结果根据投票法进行决策级融合。实验结果表明，在不进行姿态校正的情况下，基于压缩感知的目标识别算法与其它算法相比，显著提高了SAR图像变形目标识别的准确率；当样本数较少情况下，本发明显著提高了SAR变形目标的识别率。
-
公开(公告)号：CN105303548A
公开(公告)日：2016-02-03
申请号：CN201510296347.X
申请日：2015-06-02
Applicant: 杭州电子科技大学
IPC: G06T7/00
CPC classification number: G06T2207/10044
Abstract: 本发明公开了一种基于混合智能优化算法的SAR图像特征选择方法。本发明首先采用分形特征对SAR图像进行增强，基于分割后的图像提出了一种基于图像矩的方位角估计方法。然后基于未校正和校正后的图像分别提取Zernike矩、Gabor小波系数和灰度共生矩阵构成候选特征序列。采用了一种结合遗传算法和二值粒子群的混合优化算法实现SAR图像特征选择。最后采用MSTAR数据库验证了提出算法的有效性。实验结果表明，优化后的特征集合具有一定泛化能力，一方面提高了SAR目标识别的准确率，另一方面减小了SAR图像目标识别的时间。
-
-
-
Search Results
4
records
(took 0.022 seconds)
