PCA、ICA和Gabor小波决策融合的SAR目标识别

提出了一种基于主成分分析(PCA)、独立分量分析(ICA)和Gabor小波决策融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标识别方法。首先用PCA、ICA和Gabor小波变换分别对SAR目标图像提取特征向量,再用3个支持向量机分类器分别对3种方法提取得到的特征向量分类,通过基于等级的决策融合方法对3个支持向量机分类器的输出进行决策融合,得到最终类别决策结果。采用MSTAR数据库中3个目标进行识别实验,实验结果表明,PCA、ICA和Gabor小波决策融合后得到的识别率高于单独用其中任何一个特征得到的识别率。因此,该方法可提高目标的正确识别率,是一种有效的SAR图像目标识别方法。     

一种基于特征分类辨识的SAR图像目标检测方法

该文给出了一种基于特征分类辨识的合成孔径雷达（Synthetic Aperture Radar，SAR）图像目标检测方法。用恒虚警（Constant False Alarm Rate，CFAR）和扩展分形（Extended Fractal，EF）方法对SAR图像进行目标检测后用面积和峰值能量比算子辨识目标和背景杂波，去除一部分虚警，用小波域主成分分析（Principal Component Analysis，PCA）对每个检测窗口内的图像提取特征向量，用支持向量机（Support Vector Machine，SVM）对提取得到的特征向量进行分类，辨识目标和背景杂波，完成目标检测。使用ADTS数据对该方法进行验证和分析，实验结果表明，经过特征分类辨识后，在检测率不变的情况下，虚警数目显著降低。因此，该方法是一种有效的SAR图像目标检测方法。     

多方位角图像决策融合的SAR目标识别

提出了一种基于多方位角图像决策融合的合成孔径雷达(SAR)图像目标识别方法。对目标切片图像用二维小波分解和主成分分析提取特征向量,利用支持向量机对特征向量进行分类,用贝叶斯方法对目标多幅不同方位角下图像的分类输出进行决策融合,得到最终类别决策。用MSTAR数据库中3个目标进行识别实验,实验结果表明,对3幅以上不同方位角的图像进行决策融合时,该方法可显著提高目标的正确识别率。该方法是一种有效的SAR图像目标识别方法。