X为了获得更好的用户体验,请使用火狐、谷歌、360浏览器极速模式或IE8及以上版本的浏览器
关于我们 | 帮助中心
欢迎来到国家技术转移西南中心---区域技术转移公共服务平台,请 登录 | 注册
尊敬的 , 欢迎光临!  [会员中心]  [退出登录]
当前位置: 首页 >  科技成果  > 详细页

[01809124]基于样本加权类别特定与共享字典的SAR目标鉴别方法

交易价格: 面议

所属行业:

类型: 非专利

交易方式: 资料待完善

联系人:

所在地:

服务承诺
产权明晰
资料保密
对所交付的所有资料进行保密
如实描述
|
收藏
|

技术详细介绍

本发明公开了一种基于样本加权类别特定与共享字典的SAR目标鉴别方法,主要解决现有技术在复杂场景下SAR目标鉴别性能低的问题。其方案是:1.对给定的训练切片和测试切片提取局部特征;2.利用训练切片的局部特征获得全局字典;3.利用全局字典对训练切片和测试切片的局部特征分别进行标准稀疏编码,获得局部特征编码系数;4.对训练切片和测试切片的局部特征编码系数分别进行特征合并与降维,得到训练切片的全局特征和测试切片的全局特征;5.使用支持向量机对测试切片全局特征进行鉴别。本发明提升了鉴别的性能,可用于对复杂场景的SAR目标鉴别。
本发明公开了一种基于样本加权类别特定与共享字典的SAR目标鉴别方法,主要解决现有技术在复杂场景下SAR目标鉴别性能低的问题。其方案是:1.对给定的训练切片和测试切片提取局部特征;2.利用训练切片的局部特征获得全局字典;3.利用全局字典对训练切片和测试切片的局部特征分别进行标准稀疏编码,获得局部特征编码系数;4.对训练切片和测试切片的局部特征编码系数分别进行特征合并与降维,得到训练切片的全局特征和测试切片的全局特征;5.使用支持向量机对测试切片全局特征进行鉴别。本发明提升了鉴别的性能,可用于对复杂场景的SAR目标鉴别。

推荐服务:

Copyright © 2016    国家技术转移西南中心-区域技术转移公共服务平台     All Rights Reserved     蜀ICP备12030382号-1

主办单位:四川省科技厅、四川省科学技术信息研究所、四川省技术转移中心科易网