《表2 标准操作条件下的平均识别率》

  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

《结合多视角-多特征的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

基于表1中的实验场景对各类方法的性能进行测试。本文方法对十类目标的分类混淆矩阵如图4所示。其中，各类目标的识别率均高于98%。BMP2和T72两类目标的识别率相对较低主要是由于其中存在的型号差异。根据10类目标测试样本识别正确的比例，分别计算4类方法的平均识别率如表2所示。可见，4类方法在此条件下的识别性能十分接近，本文方法的性能相对较优。表1中的训练和测试样本除了少量的型号差异外，总体上保持较高的相似度。此时，多视角SAR图像的使用能够以很高的精度对测试目标的类别进行决策。与其他3类多视角方法相比，本文方法通过多特征的引入丰富了多视角SAR图像的鉴别力，从而进一步提高了最终的识别性能。对比另外3类多视角方法，可以发现基于联合稀疏表示的方法2和方法3性能更优，表明了联合稀疏表示可以有效提高整体重构精度。因此，本文方法可以继承联合稀疏表示的优势。