摘要：针对复杂场景中的SAR目标鉴别问题,该文提出一种基于多特征融合词包（Bag-of-Words,Bo W）模型的SAR目标鉴别算法。在Bo W模型底层特征提取阶段,算法采用SAR-SIFT特征描述局部区域的形状信息;同时,采用该文基于传统鉴别特征提出的一组新的SAR图像局部特征描述局部区域的对比度信息和纹理信息。对于Bo W模型中多个底层特征的融合,算法采用图像层的特征融合方式生成图像的全局鉴别特征,其中各单底层特征Bo W模型特征的权系数通过L2范数约束的多核学习方法训练得到。在Mini SAR实测SAR图像数据上的目标鉴别实验表明,与基于传统鉴别特征以及单底层特征Bo W模型特征的鉴别算法相比较,该文基于多特征融合Bo W模型SAR目标鉴别算法具有更好的鉴别性能。

关键词：sar 目标鉴别 词包模型 底层特征 多核学习 

单位：西安电子科技大学雷达信号处理国家重点实验室; 西安710071; 西安电子科技大学信息感知技术协同创新中心; 西安710071