用于几何鲁棒声纳自动目标识别的局部化字典设计
计算机视觉与模式识别
2016-01-14 v1
摘要
声纳图像采集的进步为自动目标识别(ATR)的强大分类方案打开了大门。最近的工作尤其看到了基于稀疏重建的分类(SRC)在声纳ATR中的应用，即使在噪声和模糊存在下也提供引人注目的准确率。然而，现有的基于稀疏性的声纳ATR技术假设测试图像展现出相对于训练集一致的几何姿态。本工作解决了相对于训练处理不一致姿态测试声纳图像的未决开放挑战。我们开发了新的局部基于块的字典设计，能够启用几何即姿态鲁棒性。此外，结合了字典学习方法来提高性能和效率。所提出的带有局部姿态管理(LPM)的SRC，由于其在声纳图像中辨别背景杂波的能力，被证明优于最先进的SIFT特征和SVM方法。
引用
@article{arxiv.1601.03323,
title = {Localized Dictionary design for Geometrically Robust Sonar ATR},
author = {John McKay and Vishal Monga and Raghu Raj},
journal= {arXiv preprint arXiv:1601.03323},
year = {2016}
}
备注
Submitted to IGARSS 2016