Study on SAR target recognition based on Support Vector Machine

Abstract

This paper studies MSTAR SAR target recognition with Support Vector Machine (SVM) classifier by using Principal Component Analysis (PCA) features, without consideration of errors in target aspect angle estimation. A good strategy is proposed to avoid errors in classifier selection for the errors in estimation of aspect angle. The experiments based on MSTAR data set show perfect results.

Обработка Сигналов От Пространственно Распределённых Целей

“…Применительно к задачам обработки РЛИ метод главных компонент используется в первую очередь как способ подавления спекл-шумов с целью последующей идентификации изменений на космических снимках, полученных в разное время и в разных условиях. Кроме того, метод PCA успешно применяется в сочетании с различными классификаторами, позволяя, с одной стороны, несколько ускорить процесс обработки, с другой стороны, увеличить точность распознавания [36][37][38][39][40][41].…”

“…Метод опорных векторов позволяет достигнуть точности 90 % и выше в задачах распознавания объектов базы MSTAR [36,37,190,194] в сочетании со сравнительно низким уровнем ошибок пропуска цели [36,39,134,140,190,195]. Метод опорных векторов успешно используется в сочетании с различными приемами преобразованию пространства признаков, такими как метод главных компонент [36,37] и метод независимых компонент [44], неотрицательного матричного разложения векторов признаков обучающей выборки (NMF) [134], а также выделению дополнительных дешифровочных признаков с помощью Фурье-преобразования [194] и нахождения центральных моментов изображения [119,190].…”

“…В настоящее время вывод на орбиту аппаратов Sentinel-4 запланирован на 2023 год. Аппаратура спутника Sentinel-5 (запуск в 2021 году) в целом будет аналогична Sentinel-4 за тем исключением, что он позволит оценивать количественное содержание соединений CO, CH 4 и O 3 с ежедневным глобальным покрытием [37]. Основная задача спутников миссии Sentinel-6 будет заключаться в высотометрии уровня мирового океана, запуск аппаратов запланирован на конец 2020 (-6 А) и начало 2026 (-6 B) гг.…”

SAR ATR with full‐angle data augmentation and feature polymerisation

“…Traditionally, machine learning algorithms for feature extraction are usually designed manually. The methods commonly used in the recognition technology include template‐matching method [4], support vector machine (SVM) [5]. Qi et al [6] proposed a method of combining multi‐information dictionary learning with sparse representation.…”