《表2 三类多特征和三种单特征方法对十类目标的平均识别率》

  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

《典型多特征决策融合方法及在无人机SAR图像目标识别中的应用》

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

根据MSTAR数据集中的样本设置如表1所示的训练和测试集，其中训练集来自17°俯仰角，训练集来自15°俯仰角。BMP2和T72两类目标的测试样本比测试样本包含更多的子型号。图3显示了三类多特征决策融合方法的分类混淆矩阵，平均识别率分别为97.28%，97.76%和98.04%。可见，三类多特征决策融合在此条件下均可以有效完成识别目标的分类任务。表2对比了单特征方法和三类多特征方法在当前实验设置下的平均识别率。通过合理的多特征决策融合，相比单一特征的识别性能，多特征方法显著提高了识别率。对比三种多特征方法，基于联合稀疏表示的融合方法略具优势，表明引入正确的相关性约束有利于提高各类特征稀疏表示的精度，从而提高最终的识别性能。