利用机器学习技术从 SAR 图像进行自动目标识别（ATR）
计算机视觉与模式识别
2020-09-22 v1 图像与视频处理
摘要
合成孔径雷达（SAR）图像的自动目标识别（ATR）由于含有高水平噪声而成为一个非常具有挑战性的问题。在本研究中，提出一种基于机器学习的方法，利用 SAR 图像检测不同的运动与静止目标。从灰度级 SAR 图像上通过快速傅里叶变换（FFT）、离散余弦变换（DCT）和离散小波变换（DWT）获取一阶统计（FOS）特征。还使用了灰度共生矩阵（GLCM）、灰度游程矩阵（GLRLM）和灰度尺寸区域矩阵（GLSZM）算法。这些特征作为训练与测试阶段带有高斯核的支持向量机（SVM）模型的输入。性能评估中采用了 4 折交叉验证。所得结果表明 GLCM + SVM 算法为最佳模型，准确率达 95.26%。该所提方法表明 MSTAR 数据库中的运动与静止目标可被高性能识别。
引用
@article{arxiv.2009.09939,
title = {Automatic Target Recognition (ATR) from SAR Imaginary by Using Machine Learning Techniques},
author = {Umut Özkaya},
journal= {arXiv preprint arXiv:2009.09939},
year = {2020}
}
备注
5 page, 2 figure