《表5 三类多特征和三种单特征方法在噪声干扰下的平均识别率》

  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

《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

考虑到SAR数据采集过程中的噪声干扰，识别算法对于噪声干扰的稳健性十分重要。通过对表1中的测试样本添加噪声构造噪声污染的测试样本。然后，基于噪声样本测试三类多特征以及单特征方法的识别性能，如表5所列。在不同的信噪比下，多特征决策融合的方法均可以取得高于单一特征方法的识别率。可见，通过合理的多特征决策融合，三类多特征方法的噪声稳健性显著优于单特征方法。对比三类多特征方法，基于联合稀疏表示的方法可以获得更好的识别性能。在联合稀疏表示的框架下，多类特征的内在相关性可以有效削弱噪声的影响。因此，基于联合稀疏表示获得的重构误差更能体现测试样本的实际类别。