Resumen

En este trabajo se aplica el aprendizaje bayesiano disperso por bloques (BSBL) al reconocimiento de objetivos mediante radar de apertura sintética (SAR). La clasificación tradicional basada en representación dispersa (SRC) opera sobre el diccionario global colaborado por diferentes clases. Posteriormente, las similitudes entre la muestra de prueba y las distintas clases se evalúan mediante los errores de reconstrucción. Este trabajo reconstruye la muestra de prueba basándose en diccionarios locales formados por clases individuales. Teniendo en cuenta la sensibilidad azimutal de las imágenes SAR, los coeficientes lineales del diccionario local son escasos y tienen estructura de bloque. Por lo tanto, para resolver los coeficientes dispersos, se emplea el BSBL. El método propuesto puede explotar mejor la capacidad de representación de cada clase, beneficiando así el rendimiento del reconocimiento. A partir de los resultados experimentales obtenidos en el conjunto de datos de adquisición y reconocimiento de blancos móviles y estacionarios (MSTAR), se confirma la eficacia y robustez del método propuesto.

• Materias:Rayo láser Onda electromagnética Óptica Biofotónica
• Subjects:Lasers Electromagnetic waves Optics Biophotonics
• Palabras claves:muestra de prueba, aprendizaje bayesiano disperso, adquisición de blancos estacionarios, radar de apertura sintética, representación dispersa tradicional, bsbl, método, artículo, imágenes sar, sensibilidad azimutal
• Keywords:test sample, sparse bayesian learning, stationary target acquisition, synthetic aperture radar, traditional sparse representation, bsbl, method, paper, sar images, azimuthal sensitivity