《表1 10类目标标准操作条件下训练和测试集》

  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

实际应用中，识别算法需要在噪声干扰的条件下稳定工作以应对多种复杂的条件。MSTAR数据集中的原始SAR图像均来自相近的SNR，难以测试识别算法的噪声稳健性。为此，本文采用文献[7]的思路对表1中的10类测试样本进行噪声添加，进而测试不同在噪声干扰下的识别性能。图7所示为4种方法随信噪比变化的识别率曲线。可见，本文方法在各个噪声水平下都取得了最高的识别率，表明其较强的噪声稳健性。利用相关性约束下的少量样本对测试样本进行重构能够有效避免其余训练样本中存在的噪声干扰，因此一定程度了削弱了噪声的影响。同时，多层次的动态重构更为有效地体现了测试样本与正确训练类别之间的内在联系，因此有利于获得正确的决策结果。