基于多信息字典学习及稀疏表示的SAR目标识别

为了提高合成孔径雷达（synthetic aperture radar，SAR）图像中目标变体的识别性能，在鉴别字典学习及联合动态稀疏表示模型的基础上，提出一种基于多信息字典学习及稀疏表示的SAR目标识别方法。在训练阶段，采用鉴别字典学习LC-KSVD方法分别对目标图像域幅度信息及目标频域幅度信息进行字典学习。在测试阶段，结合训练阶段学到的2种信息的字典及测试目标的2种信息，采用联合动态稀疏表示模型求解2种信息下的稀疏表示系数。最后，根据2种信息下的重构误差实现对测试目标的识别。使用MSTAR数据集对算法进行验证，结果表明，新方法相对于现有的方法能够达到更好的识别性能。