SAR点目标仿真

针对合成孔径雷达(SAR)图像中舰船目标稀疏的特点,提出一种基于级联卷积神经网络(CNN)的SAR图像舰船目标检测方法.将候选区域提取方法BING与目标检测方法Fast R-CNN相结合,并采用级联C

提出一种基于参数活动轮廓模型的多模型融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标轮廓提取方法,即在活动轮廓模型Balloon中引入新兴统计分布模型G0分布、基于

基于支持向量机的SAR图像目标识别，毕业设计的论文模板，做关于这方面的毕业设计，赶紧下载参考参考吧

基于深度学习的SAR图像目标识别算法.pdf

针对机载合成孔径雷达 (SAR)运动目标回波信号的特点 ,提出了基于互Wigner Ville分布 (XWVD)的机载SAR运动目标检测方法 ,分析了它在单目标和多目标情况下的检测性能 .实验证明 ,

基于协同训练的极化SAR目标分类，张青，王爽，地物分类是极化SAR（POLSAR）数据应用中的一个重要问题。如何有效地利用极化特征进行地物分类是目前极化SAR领域研究的热点问题。半监

现有的基于卷积神经网络(CNN)的合成孔径雷达(SAR)图像目标检测算法依赖于大量切片级标记的样 本，然而对SAR图像进行切片级标记需要耗费大量的人力和物力。相对于切片级标记，仅标记图像中是否含有目

摘 要 : 特征提取是合成孔径雷达自动目标识别的关键技术 ,同时也是难点问题之一. 本文提出了一种基于非 负矩阵分解算法与 Fisher 线性判别方法的合成孔径雷达图像目标识别的方法 ,通过基于基向量

SAR 图像中目标的检测和识别研究进展 论文类

这些论文深入研究并改进动目标尤其是慢速运动目标的检测和成像技术,提高动目标检测概率,全面获取动目标的运动参数并对动目标精确成像;同时,试图寻求一些新的动目标检测和成像方法,创新性地解决动目标检测和成像