合成孔径雷达图像目标分类研究

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

合成孔径雷达图像目标分类研究

韩春林, 雷飞, 王建国, 向敬成

文章导航 > 电子科技大学学报 > 2004 > 33(1): 1-4

韩春林, 雷飞, 王建国, 向敬成. 合成孔径雷达图像目标分类研究[J]. 电子科技大学学报, 2004, 33(1): 1-4.

引用本文:

韩春林, 雷飞, 王建国, 向敬成. 合成孔径雷达图像目标分类研究[J]. 电子科技大学学报, 2004, 33(1): 1-4.

Han Chunlin, Lei Fei, Wang Jianguo, Xiang Jingcheng. Research on Object of SAR Image Classification[J]. Journal of University of Electronic Science and Technology of China, 2004, 33(1): 1-4.

Citation:

Han Chunlin, Lei Fei, Wang Jianguo, Xiang Jingcheng. Research on Object of SAR Image Classification[J]. Journal of University of Electronic Science and Technology of China, 2004, 33(1): 1-4.

合成孔径雷达图像目标分类研究

1.
电子科技大学电子工程学院成都 610054

基金项目:

信息产业部预研基金资助项目

作者简介:
韩春林(1962-),男,博士,教授,主要从事雷达成像技术及目标识别方面的研究.

中图分类号: TN957.52

Research on Object of SAR Image Classification

1.
School of Electronic Engineering,UEST of China Chengdu 610054

摘要: 基于灰度共生矩阵技术,研究了可用于合成孔径雷达图像分类的灰度共生矩阵中差方差、差熵、对比度、能量、方差等纹理特征量,分析了其特征提取和分类特性。运用类内类间距准则,通过计算图像特征值的类内类间距,得到对合成孔径雷达图像分辨效果较好的纹理特征量,并利用三层BP神经网络进行图像分类,获得了满意的分类结果。
- 合成孔径雷达 /
- 纹理分析 /
- 灰度共生矩阵 /
- 特征提取 /
- 神经网络
Abstract: This paper is based on the gray-level co-occurrence matrix method, and particularly study some texture features used for the classification of SAR images, including difference variance、difference average、difference entropy、contrast、energy、variance、sum variance、inverse difference moment and correlation etc. Furthermore we have abstracted features of SAR image and studied classification characteristic. Using criterion called distance of inside classes and between classes, we can get a few features of a SAR image which is good at image classification. At last, making use of BP neural network of three layers, we proceed image classification and get the satisfied results.
- synthetic aperture radar /
- texture features /
- gray-level co-occurrence matrix /
- features extraction /
- neural network

[1]	董帅, 李文生, 张文强, 邹昆. 基于多视图循环神经网络的三维物体识别 . 电子科技大学学报, 2020, 49(2): 269-275. doi: 10.12178/1001-0548.2019017
[2]	杨旺功, 淮永建, 张福泉. 基于Gabor及深度神经网络的葡萄种子分类 . 电子科技大学学报, 2020, 49(1): 131-138. doi: 10.12178/1001-0548.2019164
[3]	邱甲军, 吴跃, 惠孛, 刘彦伯. 肝细胞癌MR图像的纹理分类研究 . 电子科技大学学报, 2019, 48(4): 619-626. doi: 10.3969/j.issn.1001-0548.2019.04.021
[4]	杨建宇. 双基地合成孔径雷达技术 . 电子科技大学学报, 2016, 45(4): 482-501.
[5]	闫海, 李国辉, 李建勋. 雷达抗欺骗式干扰信号特征提取方法 . 电子科技大学学报, 2015, 44(1): 50-54. doi: 10.3969/j.issn.1001-0548.2015.01.008
[6]	蒋定德, 胡光岷, 倪海转. IP骨干网络流量矩阵估计算法研究 . 电子科技大学学报, 2010, 39(3): 420-424. doi: 10.3969/j.issn.1001-0548.2010.03.021
[7]	龙文, 马坤, 辛阳, 杨义先. 适用于协议特征提取的关联规则改进算法 . 电子科技大学学报, 2010, 39(2): 302-305. doi: 10.3969/j.issn.1001-0548.2010.02.032
[8]	李建勋, 唐斌, 吕强. 双谱特征提取在欺骗式干扰方式识别中的应用 . 电子科技大学学报, 2009, 38(3): 329-332. doi: 10.3969/j.issn.1001-0548.2009.03.003
[9]	于雪莲, 刘本永. 最优的核判别分析用于雷达目标识别 . 电子科技大学学报, 2008, 37(6): 883-885,937.
[10]	陈文宇, 刘井波, 孙世新. 层次分析的神经网络集成方法 . 电子科技大学学报, 2008, 37(3): 432-435.
[11]	李源, 刘建新, 蔡英武. 逆合成孔径雷达的干扰仿真 . 电子科技大学学报, 2006, 35(1): 9-12.
[12]	梁金明, 章毅. 基于回路神经网络的特征子空间估值算法 . 电子科技大学学报, 2002, 31(6): 612-618.
[13]	梁金明, 章毅. 回复式离散神经网络的特征子空间估值 . 电子科技大学学报, 2002, 31(4): 349-355.
[14]	陈中柘. 神经网络定性分析 . 电子科技大学学报, 2002, 31(3): 250-254.
[15]	王贵新, 刘建胜, 居琰, 汪同庆, 彭健, 杨波. “有效行”特征对手写体字符的识别 . 电子科技大学学报, 2001, 30(3): 287-291.
[16]	朱文莉. 一类具有时滞的神经网络的稳定性分析 . 电子科技大学学报, 2000, 29(5): 556-559.
[17]	赵志钦, 王建国, 黄顺吉. 合成孔径雷达的点目标模拟研究 . 电子科技大学学报, 1999, 28(5): 471-475.
[18]	林水生, 黄顺吉. 一种合成孔径雷达成像处理的并行算法 . 电子科技大学学报, 1998, 27(1): 1-4.
[19]	刘国庆, 黄顺吉. 纹理SAR图像的多分辨率分析和分类(英文) . 电子科技大学学报, 1997, 26(6): 585-589.
[20]	郑伟强, 赵志钦, 黄顺吉. 合成孔径雷达极坐标数据编码器 . 电子科技大学学报, 1997, 26(1): 21-23.

WeChat

点击查看大图

计量

文章访问数: 3390
HTML全文浏览量: 175
PDF下载量: 121
被引次数: 0

合成孔径雷达图像目标分类研究

1. 电子科技大学电子工程学院成都 610054

基金项目:

信息产业部预研基金资助项目

作者简介:
韩春林(1962-),男,博士,教授,主要从事雷达成像技术及目标识别方面的研究.

收稿日期: 2004-01-09
刊出日期: 2004-02-15

中图分类号: TN957.52

关键词:

摘要: 基于灰度共生矩阵技术,研究了可用于合成孔径雷达图像分类的灰度共生矩阵中差方差、差熵、对比度、能量、方差等纹理特征量,分析了其特征提取和分类特性。运用类内类间距准则,通过计算图像特征值的类内类间距,得到对合成孔径雷达图像分辨效果较好的纹理特征量,并利用三层BP神经网络进行图像分类,获得了满意的分类结果。

English Abstract

韩春林, 雷飞, 王建国, 向敬成. 合成孔径雷达图像目标分类研究[J]. 电子科技大学学报, 2004, 33(1): 1-4.

引用本文:

韩春林, 雷飞, 王建国, 向敬成. 合成孔径雷达图像目标分类研究[J]. 电子科技大学学报, 2004, 33(1): 1-4.

Han Chunlin, Lei Fei, Wang Jianguo, Xiang Jingcheng. Research on Object of SAR Image Classification[J]. Journal of University of Electronic Science and Technology of China, 2004, 33(1): 1-4.

Citation:

Han Chunlin, Lei Fei, Wang Jianguo, Xiang Jingcheng. Research on Object of SAR Image Classification[J]. Journal of University of Electronic Science and Technology of China, 2004, 33(1): 1-4.

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发