《表5 型号差异下平均识别率》

  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

《基于变分模态分解的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

地面车辆目标可以通过局部结构的变化进行改进变种，从而衍生出多个子型号。它们的整体结构保持一致但存在局部细节差异。考虑到训练样本的有限性，训练集通常只包含目标的单一型号。表4给出了2类目标存在型号变化条件下的训练集和测试集，括号中为目标型号，BMP2和T72的测试样本与训练样本来自完全不同的型号，BTR70作为混淆类别，提升整体识别难度。表5列出了各类方法在此条件下的平均识别率。相比SOC条件，各类方法的性能均有下降。总体上，各类方法的识别率仍保持了较高的水平，主要是因为当前设置的型号差异不够明显，这与现有文献中的结果保持一致[12-14]。本文方法的识别率最高，表明其对于型号变化具有更强的适应性。基于BVMD分解得到的多模态表示能够更好地反映目标的细节信息，有利于对型号变化造成的和局部变化进行可靠判决。