结合Bi-2DPCA和PNN集成的SAR图像目标识别

作者：李汶虹 王建国合成孔径雷达目标识别两向二维主分量分析概率神经网络集成学习

摘要：针对合成孔径雷达（SAR,synthetic aperture radar）图像目标识别存在的特征维数较高、计算复杂度较大、识别效率较低等问题,提出了一种结合两向二维主分量分析（Bi-2DPCA,bilateral two-dimensional principal component analysis）和PNN （probabilistic neural network）集成的SAR图像目标识别方法.该方法首先在小波域利用Bi-2DPCA提取训练样本和测试样本的低维特征,然后将训练完成的多个PNN弱分类器集成为一个强分类器,最后对测试样本的多个预测结果进行投票实现分类识别.MSTAR数据实验结果表明在样本特征维数低至6□3的情况下平均识别率高达98.90％,能够取得比传统识别方法更高效、更准确、更稳定的识别结果.

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社