目标成像方位估计是合成孔径雷达(synthetic aperture radar,SAR)自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机(support vector machine for regression,SVR)并结合SAR目标阴影信息的方位角估计方法。首先通过长直...目标成像方位估计是合成孔径雷达(synthetic aperture radar,SAR)自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机(support vector machine for regression,SVR)并结合SAR目标阴影信息的方位角估计方法。首先通过长直边拟合法与脊波变换法对目标图像进行方位的粗估计,再由SVR完成精确估计。利用"运动与静止目标的获取与识别"(moving and stationary target acquisition and recognition,MSTAR)项目组提供的实测数据所做实验表明,此方法可以有效估计SAR目标方位角,精度高、泛化能力强,特别是在水平成像方位附近利用了目标的阴影信息,明显提高了相应区间的方位角估计精度。展开更多
文摘为了提高合成孔径雷达(synthetic aperture radar,SAR)自动目标识别系统的性能,提出了一种新的SAR目标方位角估计方法。利用简单的自适应阈值处理提取目标区强散射点,通过对强散射点在不同方向上投影分布的分析,定义法向前边界响应强度作为方位角估计的依据,最后对个别不可信结果进行90°校正。在运动和静止目标获取与识别(moving and stationary target acquisition and recognition,MSTAR)公开数据集上进行了实验,采用该方法99%的样本估计误差小于10°。实验结果表明,该方法可以达到与主导边界拟合法相当的最优性能,而且处理流程简单,计算效率更高。
文摘目标成像方位估计是合成孔径雷达(synthetic aperture radar,SAR)自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机(support vector machine for regression,SVR)并结合SAR目标阴影信息的方位角估计方法。首先通过长直边拟合法与脊波变换法对目标图像进行方位的粗估计,再由SVR完成精确估计。利用"运动与静止目标的获取与识别"(moving and stationary target acquisition and recognition,MSTAR)项目组提供的实测数据所做实验表明,此方法可以有效估计SAR目标方位角,精度高、泛化能力强,特别是在水平成像方位附近利用了目标的阴影信息,明显提高了相应区间的方位角估计精度。
文摘针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标方位角问题,提出一种基于相关性分析的估计方法。考虑到存在的180度模糊问题,待估计图像与每一类训练样本的相关系数曲线均呈现双峰值的特性。根据各类相关系数曲线的峰值位置,采用线性加权的方法可以实现高效率、高精度估计目标方位角并且有效克服180度模糊问题。为了验证本文方法的有效性,基于MSTAR(Moving and Stationary Target Acquisition and Recognition)公共数据集进行了方位角估计实验。实验结果表明,本文方法对于99%以上的测试样本的估计精度可以达到±10°以内,对于95. 38%的测试样本的估计精度可以达到±5°以内。