您的位置: 专家智库 > >

陈春林

作品数:2 被引量:2H指数:1
供职机构:南京航空航天大学计算机科学与技术学院更多>>
发文基金:中国航空科学基金更多>>
相关领域:自动化与计算机技术更多>>

文献类型

  • 2篇中文期刊文章

领域

  • 2篇自动化与计算...

主题

  • 2篇字典学习
  • 1篇树形
  • 1篇结构识别
  • 1篇SAR图像

机构

  • 2篇南京航空航天...

作者

  • 2篇张礼
  • 2篇刘学军
  • 2篇陈春林

传媒

  • 1篇计算机技术与...
  • 1篇计算机科学与...

年份

  • 2篇2017
2 条 记 录,以下是 1-2
排序方式:
针对SAR图像的树形稀疏表示结构识别算法研究被引量:2
2017年
为了提高SAR图像的目标识别能力,在一般稀疏表示方法的基础上,提出了一种基于树形稀疏表示结构识别算法—稀疏表示树,以提高目标型号的识别准确率。稀疏表示树是由多个节点组成的树形分类器,在每个节点上设计针对该节点设计的稀疏表示字典和分类器。在单个节点上利用稀疏表示算法求解未知样本的特征向量,并按照重构误差最小原则实现目标型号识别。稀疏表示树方法根据父节点识别结果,将稀疏表示结果相似的样本型号作为子集传递到子节点,并设计新的字典和分类器进行识别。在MSTAR SAR图像数据集上的实测结果表明,所构建的稀疏表示树与数据集数据分布情况一致,并且将目标型号识别率提高至84%,与传统的稀疏表示分类器方法相比,在不增加太多时间开销的条件下可有效提高目标型号的识别准确率。
陈春林张礼刘学军
关键词:字典学习
稀疏编码树框架下的SAR目标识别
2017年
为了提高利用合成孔径雷达(synthetic aperture radar,SAR)图像对目标型号识别的能力,在稀疏表示识别方法的基础上,提出了一种树形框架稀疏编码的雷达目标识别方法。稀疏编码树是由多个节点构成的分类器,其上每个节点由不同识别需求的子分类器构成。在训练阶段,分别针对目标型号识别需求以及型号识别需求学习相应分类器,组成分类器的根节点和子节点。识别阶段在根节点位置完成对目标类别的判断,再根据根节点的判断结果,对存在型号变体的目标,在子节点上再对型号进行识别,最终输出目标的识别结果,而不存在型号变体的目标则直接输出识别结果。基于美国运动和静止目标获取与识别(moving and stationary target acquisition and recognition,MSTAR)计划录取的SAR图像数据集上的实验结果表明,树形结构在取得与主流方法相当的目标类别识别精度的前提下,提高了对目标型号的识别能力,同时能够准确输出目标类别识别结果。
陈春林张礼刘学军
关键词:字典学习
共1页<1>
聚类工具0