基于多层编码器的SAR目标及阴影联合特征提取算法

孙志军 薛磊 许阳明 孙志勇

孙志军, 薛磊, 许阳明, 孙志勇. 基于多层编码器的SAR目标及阴影联合特征提取算法[J]. 雷达学报, 2013, 2(2): 195-202. doi: 10.3724/SP.J.1300.2012.20085
引用本文: 孙志军, 薛磊, 许阳明, 孙志勇. 基于多层编码器的SAR目标及阴影联合特征提取算法[J]. 雷达学报, 2013, 2(2): 195-202. doi: 10.3724/SP.J.1300.2012.20085
Sun Zhi-jun, Xue Lei, Xu Yang-ming, Sun Zhi-yong. Shared Representation of SAR Target and Shadow Based on Multilayer Auto-encoder[J]. Journal of Radars, 2013, 2(2): 195-202. doi: 10.3724/SP.J.1300.2012.20085
Citation: Sun Zhi-jun, Xue Lei, Xu Yang-ming, Sun Zhi-yong. Shared Representation of SAR Target and Shadow Based on Multilayer Auto-encoder[J]. Journal of Radars, 2013, 2(2): 195-202. doi: 10.3724/SP.J.1300.2012.20085

基于多层编码器的SAR目标及阴影联合特征提取算法

doi: 10.3724/SP.J.1300.2012.20085
基金项目: 

国家部委基金资助课题

详细信息
    作者简介:

    孙志军(1985-),男,吉林磐石;电子工程学院通信与信息系统专业博士生,研究方向为模式识别与图像处理。 薛磊(1963-),男,安徽霍邱;电子工程学院教授,博士生导师,研究方向为通信系统与通信信号处理。 许阳明(1964-),男,安徽舒城;电子工程学院副教授,研究方向为通信信号处理与信息融合等。 孙志勇(1974-),男,湖北黄冈;博士生,电子工程学院讲师,研究方向为雷达信号处理。

Shared Representation of SAR Target and Shadow Based on Multilayer Auto-encoder

  • 摘要: 针对合成孔径雷达(SAR)图像目标识别问题,提出一种基于多层自动编码器的特征提取算法。该方法利用随机神经网络受限波尔兹曼机学习建模环境概率分布的能力,通过组建更具函数表达能力的多层神经网络,提取描述目标及其阴影轮廓形状的综合特征。利用两种分类模型实现目标自动识别。基于MSTAR 数据的仿真实验结果验证了算法的有效性。

     

  • 加载中
计量
  • 文章访问数:  2722
  • HTML全文浏览量:  95
  • PDF下载量:  3345
  • 被引次数: 0
出版历程
  • 收稿日期:  2012-11-20
  • 修回日期:  2013-03-04

目录

    /

    返回文章
    返回