《表4 方位角估计绝对误差在指定范围内的百分比 (%)》

  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

《基于相关性分析的SAR图像目标方位角估计》

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

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。