《表5 本文方法与其它方法在10类目标识别上的对比》

  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

《目标区域和阴影联合决策的SAR图像目标识别方法》

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

实际获取的SAR数据通常会受到来自于背景环境和雷达系统的噪声污染，因此识别算法应当对噪声干扰保持较强的稳健性。为了测试提出方法对于噪声干扰的稳健性，本文按照文献[5]、[15]中的方法对10类目标的测试样本添加不同程度的高斯白噪声进而测试各个识别算法在不同信噪比（Signal-to-Noise Ratio，SNR）下的识别性能。各类方法在噪声干扰条件下的识别性能如图6所示。可以看出，本文算法在各个信噪比下均保持最高的识别率，充分证明了其对于噪声干扰的较强稳健性。同时，SRC在低噪声水平时相比SVM和CNN具有更强的稳健性，这是由于稀疏表示自身对于噪声的稳健性。因此，本文算法在噪声干扰下的良好性能得益于目标区域和阴影的联合使用以及稀疏表示的优良特性。