基于鲁棒局部判别投影的SAR图像目标识别

摘要： 提取有价值且具有判别性的特征是合成孔径雷达（SAR）图像目标识别的关键问题之一。本研究提出了一种基于鲁棒局部判别投影（RLDP）的SAR目标识别特征提取方法。为表征SAR图像的局部结构信息，引入监督局部保持投影这一流形学习技术来学习线性投影，从而将SAR图像映射到隐式特征空间。随后，作者将t分布随机邻域嵌入扩展为参数化框架以优化该线性投影。在所得特征空间中，既能保持同类样本的内在邻域关系，又能增强不同类样本的分离度。与多数局部流形学习方法不同，本方法对邻域参数变化具有鲁棒性。为进一步分析非线性结构，提出了RLDP的有用变体——核RLDP（KRLDP）。KRLDP在隐式再生核希尔伯特空间中运用RLDP，通过学习基于核的非线性投影来捕捉非线性结构信息。在运动与静止目标自动识别数据库上的大量实验验证了所提方法的有效性。