《表2 各类方法在标准操作条件下的性能》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《相关性约束下SAR图像动态重构的目标识别方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

表1给出了标准操作条件下10类目标识别实验的训练和测试集。其中，训练集来自17°俯仰角；测试集来自15°俯仰角。对比BMP2和T72两类目标的训练和测试集，可以看出两者之间存在一定的型号差异。总体上，表1中设置的测试样本与训练样本具有较高的相似度，可以近似看作标准操作条件。图4所示为当前条件下本文方法的识别混淆矩阵。其中，各类目标对应的分类精度见图中对角线上元素，均超过96%，表明提出方法对标准操作条件下10类目标识别问题的有效性。由于存在的型号差异，BMP2和T72两类目标的识别率相对较低。表2直接对比了本文方法和3类经典对比方法对10类目标的平均识别率。提出方法以98.24%的平均识别率由于对比方法。相比传统SRC方法，本文方法通过在相关性约束下矩形多层次的测试样本重构可以更为有效地反映不同类别之间的差异。尽管CNN具有很强的分类性能，但由于测试样本与训练样本之间存在的差异（如俯仰角变化和型号差异），其最终的识别结果也受到一定的影响。综上所述，本文方法在当前设计的标准操作条件下具有最强的有效性，对于其中存在的型号差异具有一定的稳健性。