Block Sparse Bayesian Learning over Local Dictionary for Robust SAR Target Recognition
Abstract. This paper proposes a synthetic aperture radar (SAR) target recognition method based on block sparse Bayesian learning (BSBL) over local dictionary. The traditional sparse representation-based classification (SRC) operates on the global dictionary collaborated by different classes. Then the distances between the test sample to various classes are evaluated by the reconstruction errors. This paper reconstruct the test sample over local dictionaries of individual classes. Considering the azimuthal sensitivity of SAR images, the linear coefficients on the local dictionary are sparse ones with block structure. Therefore, to solve the sparse coefficients, the BSBL is employed. The proposed method can better exploit the representation capabilities of individual classes thus benefiting the recognition performance. To validate the effectiveness and robustness of the proposed method, experiments are conducted on moving and stationary target acquisition and recognition (MSTAR) dataset.