研究目的
开发一种利用互补特征(几何形状、强度分布和电磁散射特性)的联合稀疏表示的SAR目标识别方法,以提高在不同条件下的识别性能。
研究成果
该方法通过利用互补特征和联合稀疏表示,在标准条件下实现了高识别率(平均97.94%),并展现出对模型差异、俯仰角变化及噪声干扰的强鲁棒性,在多数情况下优于SVM、SRC和CNN方法。
研究不足
该论文未明确讨论局限性,但潜在的优化方向可能包括处理更多样化的数据集、提高计算效率或解决未涵盖的特定噪声类型。
研究目的
开发一种利用互补特征(几何形状、强度分布和电磁散射特性)的联合稀疏表示的SAR目标识别方法,以提高在不同条件下的识别性能。
研究成果
该方法通过利用互补特征和联合稀疏表示,在标准条件下实现了高识别率(平均97.94%),并展现出对模型差异、俯仰角变化及噪声干扰的强鲁棒性,在多数情况下优于SVM、SRC和CNN方法。
研究不足
该论文未明确讨论局限性,但潜在的优化方向可能包括处理更多样化的数据集、提高计算效率或解决未涵盖的特定噪声类型。
加载中....
您正在对论文“[ACM出版社2018年国际会议 - 捷克共和国布拉格(2018.10.12-2018.10.14)] 2018年传感器、信号与图像处理国际会议论文集 - SSIP 2018 - 基于互补特征联合稀疏表示的SAR目标识别”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期