基于稀疏流形学习的SAR图像识别

稀疏性是SAR图像的一个显著特征,而且SAR图像存储模式的维数很高,要对其进行识别存在很多困难.为了解决上述问题,提出一种基于稀疏流形学习的SAR图像识别方法.首先进行图像增强,以保持目标的边缘结构信息;其次利用样本协方差矩阵的谱范数确定能得出数据低维流形的最少数据点数;再利用拉普拉斯特征值映射(LE)的核化方法计算样本外点的低维嵌入;最后采用KNR分类器进行识别.MSTAR仿真实验证明了其可行性,并与其它识别方法进行比较,验证了其优越性.