局部流形学习在SAR目标识别中的应用

姓名：刘倩  学号：19021210889

【嵌牛导读】：合成孔径雷达（Synthetic Aperture Radar, SAR）是一种具备高分辨率、全天候、穿透能力强等优点的成像雷达。随着科学技术的不断发展，SAR图像得到飞速的进步，图像的分辨率越来越高，且含有更多的信息量，伴随而来的是所需处理的数据量和计算量的增加。这些可能会导致维度灾难，严重影响SAR图像目标识别和检测性能，所以进行有效的特征提取尤为重要。

【嵌牛鼻子】：合成孔径雷达，局部流形学习，局部线性嵌入，随机拉普拉斯特征映射

【嵌牛提问】：怎样有效的利用局部流形方法对SAR目标进行有效的提取？

【嵌牛正文】：

近年来，深度学习理论在SAR图像目标识别与分类领域发展迅速，其中最具代表性的是卷积神经网络算法；同时基于流形学习的特征提取方法被广泛的应用于雷达图像处理领域，它能有效的捕获雷达数据的本质结构特征，通过结合两种传统的流行学习方法——局部线性嵌入方法和随机拉普拉斯特征映射方法，提出一种新的局部流形学习方法对SAR目标图像进行特征提取。

（1）采用k近邻（KNN）方法确定每个样本点的邻域。

（2）通过每个样本点的所有近邻点计算重构权值矩阵以及LLE算法的代价函数。

（3）通过熵的概念计算每个样本点的权值矩阵以及SLEM算法的代价函数。

（4）重写代价函数，融合LLE和SLEM的代价函数而不影响各个算法的映射矩阵。

（5）计算最小的D个特征值对应的特征向量作为在高维空间中提取的低维特征。