Resumen

Este estudio propone un método de reconocimiento de objetivos de radar de apertura sintética (SAR) basado en las características fusionadas de las representaciones de multirresolución mediante el análisis de correlación canónica 2D (2DCCA). Se demostró que las representaciones de multirresolución son más discriminativas que la imagen original por sí sola. Por lo tanto, la clasificación conjunta de las representaciones de multirresolución es beneficiosa para mejorar el rendimiento del reconocimiento de objetivos SAR. El 2DCCA es capaz de explotar las correlaciones internas de las representaciones de multirresolución mientras reduce significativamente la redundancia. Por lo tanto, las características fusionadas pueden transmitir de manera efectiva la capacidad de discriminación de las representaciones de multirresolución al tiempo que alivian las cargas de almacenamiento y computación causadas por la alta dimensión original. En la etapa de clasificación, se emplea la clasificación basada en representaciones dispersas (SRC) para clasificar las características fusionadas. SRC es un clasificador efectivo y robusto, que ha sido ampliamente validado en

• Materias:Big Data Segmentación de líneas Tráfico de red Reconocimiento de entidad Esquema de programación
• Subjects:Big Data Line segmentation Network traffic Entity recognition Programming scheme
• Palabras claves:Radar de apertura sintética; Método de reconocimiento de objetivos; Representaciones de multiresolución; Análisis de correlación canónica; Clasificación; Basado en representación dispersa
• Keywords:Synthetic aperture radar; Target-recognition method; Multiresolution representations; Canonical correlation analysis; Classification; Sparse representation-based