UWB-SAR 影像中同步分解与分类的深度网络
图像与视频处理
2018-02-23 v2 计算机视觉与模式识别
摘要
从场景中其他自然与人工杂波物体里分类出埋藏及遮蔽的感兴趣目标，是美国陆军的一个重要问题。感兴趣目标通常由低频（UHF 至 L 波段）超宽带（UWB）合成孔径雷达（SAR）技术捕获的信号表示。该技术已用于多种应用，包括地面穿透与穿墙感知。然而，该技术在此特定频段仍面临显著问题：低分辨率 SAR 影像、低雷达截面（RCS）、目标尺寸相较雷达信号波长很小，以及强干扰。该分类问题已首先由基于稀疏表示分类（SRC）的方法部分解决，该方法可从信号中提取噪声并利用跨通道信息。尽管给出了潜在结果，SRC 相关方法在表示非线性关系和处理更大数据集方面存在缺陷。本文中，我们提出同步分解与分类网络（SDCN）以减轻噪声干扰并提升分类精度。该网络包含两个联合训练的子类网络：分解子网络处理去噪，而分类子网络区分目标与干扰物。实验结果表明，相较无分解的网络及 SRC 相关方法均有显著提升。
引用
@article{arxiv.1801.05458,
title = {Deep Network for Simultaneous Decomposition and Classification in UWB-SAR Imagery},
author = {Tiep Vu and Lam Nguyen and Tiantong Guo and Vishal Monga},
journal= {arXiv preprint arXiv:1801.05458},
year = {2018}
}