En este trabajo se aplica el aprendizaje bayesiano disperso por bloques (BSBL) al reconocimiento de objetivos mediante radar de apertura sintética (SAR). La clasificación tradicional basada en representación dispersa (SRC) opera sobre el diccionario global colaborado por diferentes clases. Posteriormente, las similitudes entre la muestra de prueba y las distintas clases se evalúan mediante los errores de reconstrucción. Este trabajo reconstruye la muestra de prueba basándose en diccionarios locales formados por clases individuales. Teniendo en cuenta la sensibilidad azimutal de las imágenes SAR, los coeficientes lineales del diccionario local son escasos y tienen estructura de bloque. Por lo tanto, para resolver los coeficientes dispersos, se emplea el BSBL. El método propuesto puede explotar mejor la capacidad de representación de cada clase, beneficiando así el rendimiento del reconocimiento. A partir de los resultados experimentales obtenidos en el conjunto de datos de adquisición y reconocimiento de blancos móviles y estacionarios (MSTAR), se confirma la eficacia y robustez del método propuesto.
Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.
Artículo:
Desenfoque de imágenes infrarrojas basado en redes generativas adversariales
Artículo:
Nanoindentación basada en espectros copia de fuerzas con un microscopio de fuerza atómica
Artículo:
Láseres de microchip Nd:YAG y Nd:YVO4 bombeados por diodo láser estabilizado en longitud de onda VHG
Artículo:
Método de medición absoluta por interferencia de rotación multiposición para superficies de componentes ópticos de alta precisión
Artículo:
Difracción del haz de Bessel por una abertura en una pantalla opaca
Libro:
Metodología del marco lógico para la planificación, el seguimiento y la evaluación de proyectos y programas
Presentación:
Estudio de movimientos y tiempos
Artículo:
Estudio sobre la evaluación de la sostenibilidad de los productos innovadores
Software:
Simulación del proceso de extracción sólido-líquido EXTSL