SAR 지향 시각적 주목 모델 및 방향 비순환 그래프 지원 벡터 메트릭 기반 목표 분류

합성 개구 레이더 자동(SAR) 목표 인식 시스템의 성능은 주로 특징 추출 및 분류에 의존합니다. 분류기를 훈련시켜 원하는 성능을 달성하기 위해서는 차별적인 특징을 선택하는 것이 중요합니다. 본 논문에서는 시각적 주목 모델을 기반으로 한 효율적인 특징 추출 및 분류 알고리즘을 제안합니다. 첫째, SAR 지향 그래프 기반 시각적 주목 모델을 소개합니다. 둘째, 가장 중요한 영역을 강조하는 우리의 주목 모델의 능력에 의존하여, 처리된 SAR 이미지에서 Gabor 및 방향 그레디언트의 히스토그램 특징을 추출합니다. 셋째, 더 차별적인 특징을 얻기 위해, 특징 융합 및 조합을 위한 차별성 상관 분석 알고리즘이 사용됩니다. 마지막으로, 약한 분류기를 제거하고 관련 특징을 강조하며 비정보적 특징의 영향을 줄이는 Mahalanobis 거리 기반 방사 기저 함수 커널을 활용하여 두 단계의 방향 비순환 그래프(DAG) 지원 벡터 메트릭 학습이 개발됩니다. MSTAR 데이터베이스의 실제 SAR 데이터에 대한 실험이 수행되었으며, 실험 결과는 제안된 방법이 최첨단 방법보다 우수함을 보여줍니다.