论文部分内容阅读
采用Res-Net学习合成孔径雷达(Synthetic Aperture Radar,SAR)图像多层次深度特征,并基于结构相似性准则选取其中的有效成分。通过联合稀疏表示对选取的多层次深度特征进行表征和分析,判定输入样本的目标类别。利用MSTAR数据集进行测试,该方法对10类目标的识别率达到99.02%,对于俯仰角差异以及噪声干扰的稳健性更优。该方法能够有效结合Res-Net和联合稀疏表示在特征提取和分类决策方面的优势,提升识别方法的整体性能。