基于二维随机投影特征典型相关分析融合的SAR ATR方法

合成孔径雷达(Synthetic aperture radar,SAR)自动目标识别(Automatic target recognition,ATR)是现代战场情报侦察、精确打击的重要支撑技术。为提升SAR ATR整体性能,提出基于二维投影特征多重集典型相关分析(Multiset canonical correlations analysis,MCCA)的方法。首先,采用若干二维随机投影矩阵对SAR图像进行特征提取,获得多层次特征描述。考虑到这些结果之间的相关性和可能存在的冗余及干扰,进一步通过MCCA对它们进行融合处理,获取单一特征矢量。基于稀疏表示分类器(Sparse representation-based classification,SRC)对融合特征矢量进行处理,判决目标类别。实验基于MSTAR数据集开展,对方法性能进行检验确认,结果能够验证其有效性。

图像压缩感知中自适应二维投影梯度重构算法

二维图像的压缩感知及重构大多利用一维信号压缩感知及重构方法实现,导致图像重构效率较低,重构算法复杂度高等缺点。二维随机投影及二维投影梯度重构算法有效地解决了这一问题。但在二维投影梯度重构算法中,不同图像不同采样率的重构中采用相同滤波阈值参数η的方案会降低图像重构质量。本文结合二维图像信号的纹理特性,提出了自适应二维投影梯度重构算法,该算法提出了一种双变量收缩阈值参数η在迭代重构过程中基于图像纹理信息的自适应计算公式。实验结果表明,自适应二维投影梯度重构算法比二维投影梯度重构算法在重构质量和视觉效果上都有所提升。