二維非線性投影特征的sar圖像目標(biāo)識(shí)別的方法
【專利摘要】本發(fā)明屬于合成孔徑雷達(dá)(SAR，Synthetic?Aperture?Radar)自動(dòng)目標(biāo)識(shí)別【技術(shù)領(lǐng)域】，尤其涉及二維非線性投影特征的SAR圖像目標(biāo)識(shí)別。本發(fā)明的具體步驟如下：S1、確定SAR圖像訓(xùn)練樣本矩陣；S2、確定核函數(shù)和核樣本矩陣，通過所述核樣本矩陣確定核類間散布矩陣和核內(nèi)散布矩陣，通過所述核類間散布矩陣和核內(nèi)散布矩陣構(gòu)造目標(biāo)準(zhǔn)則函數(shù)，求得投影矩陣和投影子空間；S3、確定輸入SAR圖像的非線性投影特征子集，確定非線性投影特征子像與投影子空間的距離，確定輸入SAR圖像目標(biāo)所屬類別。本發(fā)明利用所有訓(xùn)練樣本的某一列向量構(gòu)造核向量，巧妙的構(gòu)造核樣本矩陣，在高維空間中采用投影特征提取方法，提高了分類效率，在提高分類正確率的同時(shí)，對(duì)樣本的依賴度有所降低。
【專利說明】二維非線性投影特征的SAR圖像目標(biāo)識(shí)別的方法

【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于合成孔徑雷達(dá)(SAR, Synthetic Aperture Radar)自動(dòng)目標(biāo)識(shí)別【技術(shù)領(lǐng)域】，尤其涉及二維非線性投影特征的SAR圖像目標(biāo)識(shí)別。

【背景技術(shù)】
[0002]SAR圖像目標(biāo)識(shí)別的原理是根據(jù)已知訓(xùn)練樣本目標(biāo)類別信息建立特征庫，對(duì)待測樣本進(jìn)行特征提取，并選擇與庫中具有最高相似度所對(duì)應(yīng)的訓(xùn)練樣本的類型作為測試樣本的分類結(jié)果。
[0003]SAR技術(shù)的迅猛發(fā)展使得其所成圖像分辨率獲得了很大提高，SAR圖像中的目標(biāo)信息也呈現(xiàn)爆炸性的增長，這就帶來了相應(yīng)數(shù)據(jù)量的大幅度增加，面對(duì)巨大的數(shù)據(jù)量，必須對(duì)目標(biāo)檢測和識(shí)別中的關(guān)鍵技術(shù)進(jìn)行改進(jìn)。SAR圖像自動(dòng)目標(biāo)識(shí)別(ATR)是提高SAR檢測圖像利用率的重要技術(shù)，其目的是在沒有人工直接干預(yù)的條件下，在較短時(shí)間內(nèi)從場景中自動(dòng)檢測出可能的目標(biāo)并識(shí)別出目標(biāo)所屬類別，具有重要的民用和軍事應(yīng)用價(jià)值，并日益成為國內(nèi)外圖像處理和模式識(shí)別領(lǐng)域的研究熱點(diǎn)。
[0004]SAR圖像具有復(fù)雜的特點(diǎn)，從同一目標(biāo)回波中抽取的特征難免存在一定的相關(guān)性，而這種相關(guān)性往往是不易察覺的，冗余特征不僅會(huì)使運(yùn)算量增大，還可能降低最終分類結(jié)果。C.J.Enderli等采用非線性的KLDA對(duì)SAR圖像進(jìn)行目標(biāo)識(shí)別，將二維SAR圖像矩陣轉(zhuǎn)化為一維向量進(jìn)行處理，會(huì)損失目標(biāo)的空間結(jié)構(gòu)信息，且易出現(xiàn)維數(shù)災(zāi)難問題。Zhang等采用二維LDA對(duì)SAR圖像目標(biāo)進(jìn)行特征提取，無法獲取圖像的非線性特征。


【發(fā)明內(nèi)容】

[0005]本發(fā)明的目的是針對(duì)現(xiàn)有技術(shù)存在的不足，提出一種二維非線性投影特征的SAR圖像目標(biāo)識(shí)別的方法，實(shí)現(xiàn)對(duì)SAR圖像中目標(biāo)類別的準(zhǔn)確判別。
[0006]本發(fā)明的技術(shù)方案是:將二維SAR圖像矩陣按列表示，選擇適當(dāng)?shù)暮撕瘮?shù)，對(duì)一幅特定的SAR圖像的某一列向量作非線性變換，利用所有訓(xùn)練樣本的同一列向量構(gòu)造該列向量的核向量，這樣，每一個(gè)圖像矩陣的列向量由其核向量代替，可以構(gòu)造一個(gè)相應(yīng)的核樣本矩陣，利用投影特征提取方法獲取每類目標(biāo)的二維投影特征子像，構(gòu)成投影子空間，當(dāng)輸入SAR圖像時(shí)，根據(jù)其二維非線性投影特征子像與投影子空間的歐式距離確定輸入SAR圖像目標(biāo)所屬類別。
[0007]本發(fā)明的具體步驟如下:
[0008]S1、確定SAR圖像訓(xùn)練樣本矩陣:根據(jù)目標(biāo)數(shù)據(jù)選取N幅mX η的訓(xùn)練樣本SAR圖像A1, A2,...，A1,...，ΑΝ，其中，所述N幅mX η的訓(xùn)練樣本SAR圖像分屬c個(gè)類別，N1, N2,..., Nc表示各個(gè)類的樣本量，N^N2+...+Nc = N ；
[0009]S2、確定核函數(shù)和核樣本矩陣，通過所述核樣本矩陣確定核類間散布矩陣和核內(nèi)散布矩陣，通過所述核類間散布矩陣和核內(nèi)散布矩陣構(gòu)造目標(biāo)準(zhǔn)則函數(shù)，求得投影矩陣和投影子空間，具體方法如下:
[0010]S21、將SI所述訓(xùn)練樣本SAR圖像Al表不為為=^a1 ,(I1,…為+，…為)，其中，I =
I,2,..., N, k = 1,2,...,n, af 表示 A1 的第 k 列；
[0011]S22、對(duì)S21所述訓(xùn)練樣本SAR圖像A1進(jìn)行非線性映射Φ，得到核空間H中的圖像樣本我

【權(quán)利要求】
1.二維非線性投影特征的SAR圖像目標(biāo)識(shí)別的方法，其特征在于，包括如下步驟: S1、確定SAR圖像訓(xùn)練樣本矩陣:根據(jù)目標(biāo)數(shù)據(jù)選取N幅mXn的訓(xùn)練樣本SAR圖像A1, A2,...，A1,...，AN，其中，所述N幅mXη的訓(xùn)練樣本SAR圖像分屬c個(gè)類別，N1, N2,..., Nc表示各個(gè)類的樣本量，N^N2+...+Nc = N ； S、確定核函數(shù)和核樣本矩陣，通過所述核樣本矩陣確定核類間散布矩陣和核內(nèi)散布矩陣，通過所述核類間散布矩陣和核內(nèi)散布矩陣構(gòu)造目標(biāo)準(zhǔn)則函數(shù)，求得投影矩陣和投影子空間，具體方法如下: S21、將SI所述訓(xùn)練樣本SAR圖像A1表示為
；其中，I =I,2,..., N, k = 1,2,...,η, 表示 A1 的第 k 列； S22、對(duì)S21所述訓(xùn)練樣本SAR圖像A1進(jìn)行非線性映射Φ，得到核空間H中的圖像樣本
則高維空間中的類間離散矩陣為
高維空間中的類內(nèi)離散矩陣為
S23、根據(jù)S22所述高維空間中的類間離散矩陣和類內(nèi)離散矩陣選擇適當(dāng)?shù)暮撕瘮?shù)，對(duì)一幅特定的SAR圖像A1的某一列向量，利用SI所述N幅mXn的訓(xùn)練樣本SAR圖像A1, A2,..., A1,..., An構(gòu)造該列向量的核向量,得到相應(yīng)的NXn的核樣本矩陣K1 ； S24、以S23所述核樣本矩陣K1，得出高維空間中的類間散布矩陣
和高維空間中的類內(nèi)散布矩陣
其中，Kij表示第i類的第j個(gè)訓(xùn)練樣本圖像的核樣本矩陣，
表示第i類核樣本矩陣的平均矩陣，
表示所有核樣本矩陣的平均矩陣； S25、根據(jù)S24所述高維空間中的類間散布矩陣Ks,和高維空間中的類內(nèi)散布矩陣構(gòu)造目標(biāo)準(zhǔn)則函數(shù).
，其中，W為任一 N維的非零列矢量； S26、通過最大化目標(biāo)準(zhǔn)則函數(shù)J(W)，得到最優(yōu)判別矢量
對(duì)所述Wopt進(jìn)行廣義特征方程求解，得到
s27、取S26所述I4W= AKsW中前d個(gè)較大特征值所對(duì)應(yīng)的特征向量構(gòu)成最優(yōu)投影矩陣 W = [W1, W2,...，wd],其中，d ≤n (c-1)； s28、將S23所述核樣本矩陣1向S27所述最優(yōu)投影矩陣W上投影，得到投影特征子像Z1 = WtK1,每類目標(biāo)的所有訓(xùn)練SAR圖像的頭像特征子像構(gòu)成各自的投影子空間，c類目標(biāo)有c個(gè)投影子空間，分別記為Pi,其中，i = l,2,...,c ； S3、確定輸入SAR圖像的非線性投影特征子集，確定非線性投影特征子像與投影子空間的距離，確定輸入SAR圖像目標(biāo)所屬類別。
2.根據(jù)權(quán)利要求1所述的二維非線性投影特征的SAR圖像目標(biāo)識(shí)別的方法，其特征在于:S23所述核樣本矩陣構(gòu)造具體如下: 5231、對(duì)SI所述訓(xùn)練樣本SAR圖像A1進(jìn)行非線性變換
，其中，K (.，.)為內(nèi)積核函數(shù)；
s232、令Ψ = ( Φ (A1)，Φ (A2)Φ (An))，設(shè)
s233、將S232所述看作N個(gè)子塊，則第s個(gè)子塊為
s234、對(duì)照S231所述K1得出K1的第j行是以(【4!),的對(duì)角元為元素的行向量，則
其中，Diag{.}表示以方陣?的對(duì)角元為元素的行向量，K1為核樣本矩陣。
3.根據(jù)權(quán)利要求1所述的二維非線性投影特征的SAR圖像目標(biāo)識(shí)別的方法，其特征在于:S3所述具體方法如下: S31、對(duì)于給定的輸入待測圖像A = (a1, a2，...，an)，經(jīng)過非線性變換，將所述A的每一列映射到核空間中，得到所述A的核樣本矩陣
,對(duì)應(yīng)的投影特征子像為Z = WtK ; S32、采用基于歐式距離的最近鄰分類器對(duì)目標(biāo)進(jìn)行分類識(shí)別，對(duì)任意兩個(gè)投影特征子
像
定乂距尚為
對(duì)SI所述訓(xùn)練樣本SAR圖像A1, A2,..., An,每一個(gè)樣本都屬于確定的類別ξ i，對(duì)應(yīng)的投影特征子像分別為Z1, Z2,, Zn,計(jì)算S31所述投影特征子像Z與c個(gè)投影子空間的距離D (Z, Pi) = min [D (Z, Zij)]，其中，Zij為第i類樣本的第j個(gè)投影特征子像； S33、將S32所述min[D (Z, Zij)]所屬的類別作為待測樣本的類別，若有D (Z, Pi)=π?ηΟΚΖ,ΖΟ]，I = 1，2，...，N，且Z1 e Ii，則分類的結(jié)果是Ze Ii，即輸入待測圖像Ae ξ J0
【文檔編號(hào)】G06K9/66GK104077610SQ201410326417
【公開日】2014年10月1日 申請(qǐng)日期:2014年7月10日 優(yōu)先權(quán)日:2014年7月10日
【發(fā)明者】周代英, 田兵兵, 譚敏潔, 譚發(fā)曾, 賈繼超, 余為知 申請(qǐng)人:電子科技大學(xué)