《表4 方位角估计绝对误差在指定范围内的百分比 (%)》
表4对比了本文方法与几类经典的方位角估计方法的性能。本文方法的性能显著优于传统基于目标二值区域的最小外接矩形法[4]、主导边界法[5]。此外,本文方法可以避免复杂的SAR目标分割并且可以克服传统方法中的180°模糊问题。对比本文方法和文献[10]中的稀疏表示方法,本文的方法的性能更好。尤其是在估计精度要求高的情况下(如估计误差小于2°),本文方法的优势更为明显。由于本文方法充分考虑了待估计样本与各类训练样本的相关性,并通过线性加权的方法综合各个类别中获取的有益信息,因此相比基于稀疏表示方法中单个样本估计的手段更为稳健。表5对比不同方法在同一计算平台上估计单个测试样本所需要的时间消耗,可以看出本文算法的效率最高。基于目标二值区域的方法的主要时间消耗发生在目标区域的提取上。相比求解稀疏表示系数,本文的线性相关系数的计算更为简便。具体而言,对于规模为n的训练集,本文方法的复杂度为O(n)而基于稀疏表示的方法的复杂度O(kn)(其中k代表稀疏度) 。这些实验结果均证明了本文算法对于SAR图像目标方位角的估计具有更高的效率、精度以及更强的稳健性。
图表编号 | XD0036623700 严禁用于非法目的 |
---|---|
绘制时间 | 2019.01.20 |
作者 | 段芃芃、刘锂 |
绘制单位 | 成都理工大学工程技术学院、成都理工大学工程技术学院 |
更多格式 | 高清、无水印(增值服务) |