文献

J-GLOBAL ID：201702285558397641   整理番号：17A1757487

スタック自動符号器の特徴融合に基づくSAR画像の車両目標認識【JST・京大機械翻訳】

SAR Target Recognition with Feature Fusion Based on Stacked Autoencoder

著者 (5件)： Kang Miao (国防科学技術大学電子科学与工程学院 長沙 410073) ,  Ji Kefeng (国防科学技術大学電子科学与工程学院 長沙 410073) ,  Leng Xiangguang (国防科学技術大学電子科学与工程学院 長沙 410073) ,  Xing Xiangwei (北京市遥感信息研究所 北京 100192) ,  Zou Huanxin (国防科学技術大学電子科学与工程学院 長沙 410073)
資料名： Leida Xuebao  (Leida Xuebao)
巻： 6  号： 2  ページ： 167-176  発行年： 2017年 
JST資料番号： C2709A  ISSN： 2095-283X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： 中国 (CHN)  言語： 中国語 (ZH)

抄録/ポイント： 本論文では,スタック自動符号器(SAE)の特徴融合に基づく合成開口レーダ(SAR)画像における車両目標認識アルゴリズムを提案したが,本論文では,SAR画像を認識するための新しい方法を提案した。まず、このアルゴリズムはSAR画像の25種類のベースライン特徴(baseline features)と局部テクスチャ特徴(Three-Patch Local Binary Patterns,TPLBP)を抽出した。次に,特徴を直列に入力することによってSAEネットワークを融合して,階層的貪欲訓練法を用いることによってネットワークを訓練した。最後に,softmax分類器を用いてネットワークを調整し,ネットワークの融合性能を改善した。また、SAR画像のGaborテクスチャ特徴を抽出し、異なる特徴間の融合実験を行った。結果は,ベースラインの特性とTPLBPの特性が小さく,相補性が良く,融合後の特徴の識別性が大きいことを示した。SAEとCNN(Convolutional Neural Network)を用いたターゲット認識アルゴリズムと比較して,SAEベースの特徴融合アルゴリズムはネットワーク構造を単純化し,認識精度と認識効率を改善した。MSTARデータセットに基づく10種類の目標分類精度は95.88%に達し、アルゴリズムの有効性を検証した。Data from Wanfang. Translated by JST【JST・京大機械翻訳】

シソーラス用語： 基準線 ,  相補性 ,  *物体認識 ,  合成開口レーダ ,  ネットワーク構造 ,  アルゴリズム ,  *符号器 ,  ネットワーク ,  *画像
準シソーラス用語： 分類精度 ,  認識精度 ,  テクスチャ特徴 ,  認識アルゴリズム ,  *SAR画像 ,  *特徴融合 , 【Automatic Indexing@JST】

分類 (2件)： レーダ  (ND13010H) ,  図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： スタック ,  符号器 ,  特徴融合 ,  SAR画像 ,  目標認識