摘要
本发明公开了一种基于乘性稀疏表示和Gamma分布的SAR目标识别方法,输入训练样本图像集和测试样本图像并进行归一化处理,分别求取训练样本图像集中训练样本图像对应的训练样本列向量,以及测试样本图像对应的测试样本列向量;根据目标类别构造字典矩阵,然后对测试样本列向量进行建模;根据最大后验概率准则,求解测试样本列向量在字典矩阵下的稀疏表示向量,利用稀疏表示向量和字典矩阵求解重构误差;根据重构误差确定最终的识别结果。本发明将乘积模型和稀疏表示相结合,更准确的描述SAR图像,捕获图像的本质特征,为高精度目标识别创造有利环境;利用Gamma分布拟合相干斑的统计分布,减弱了相干斑对识别的影响,提高了识别的鲁棒性。