《表6 俯仰角变化下实验设置》

  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

SOC条件下，训练集样本和测试集样本俯仰角差异很小，两者的相似度较高。然而，随着测试集和训练集俯仰角变化程度的加剧，两者的差异也会逐渐增大，导致识别问题的难度加大。表6给出了带有较大俯仰角差异的训练和测试集，3类目标17°俯仰角的SAR图像作为训练集，测试样本则分别来自30°和45°俯仰角。通过在2个俯仰角下分别进行测试，获得不同方法的性能对比如图3所示。本文方法在2个角度下均取得最高的识别率，显示其对于俯仰角变化的稳定性。在较大俯仰角差异的情况下，同一目标的2幅图像之间存在局部的“畸变”，但仍然存在当前目标的共同特性。采用BVMD分解得到的多模态表示可以有效地反映这种共性特征，从而为正确分类提供支撑。