| 基于机器学习算法的合成孔径雷达图像的目标识别 |
| |
| 引用本文： | 谢英杰,戴文鑫,李川,袁榕澳,刘一静. 基于机器学习算法的合成孔径雷达图像的目标识别[J]. 河南大学学报(自然科学版), 2019, 49(2): 204-209 |
| |
| 作者姓名： | 谢英杰 戴文鑫 李川 袁榕澳 刘一静 |
| |
| 作者单位： | 四川大学计算机学院,成都,610064;成都第七中学,成都,610041 |
| |
| 摘 要： | 合成孔径雷达有着观测范围广和分辨率高的特点,可以全天候工作,并能有效地识别伪装和穿透掩盖物,但也存在雷达图像数据量大且目标电磁散射特征复杂等特点,为目标的识别引入了噪声和干扰,因此发展快速和智能化的SAR图像目标识别技术得到越来越多的关注.本文针对美国空军研究实验室SAR图像中的8个目标物引入3种机器学习算法和一些数据处理方法构建了相关的识别模型,并对其识别能力进行对比分析,结果显示这3种机器学习算法通过优化算法都可以获得较高的识别准确率(> 80%),尤其是KNN算法的测试集准确率都可以高达97%.本文研究结果可为SAR目标识别的人工智能化技术提供一些方法上的参考和指导.
|
| 关 键 词： | SAR 目标识别 机器学习 |
Using Machine Learning Algorithms to Target Recognition of Synthetic Aperture Radar Images |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 万方数据 等数据库收录！ |
|
