[发明专利]遮挡情况下的SAR目标识别方法

说明书

技术领域

本发明属于雷达自动目标识别技术领域，特别涉及遮挡情况下的SAR目标识别方法，该方法适合于待识别目标可能被遮挡情况下的SAR目标识别。

背景技术

合成孔径雷达SAR具有全天候、全天时、分辨率高以及穿透力强等特点，成为目前对地观测和军事侦察的重要手段。雷达成像技术从20世纪50年代发展以来，技术不断成熟，成像分辨率不断提高，使得通过SAR图像进行自动目标识别ATR受到越来越广泛的关注。

现有的SAR图像自动目标识别方法通常采取美国林肯实验室提出的三级处理流程。即首先从整个SAR图像中提取感兴趣区域ROIs；然后对该区域进行预处理，剔除非目标区域；最后对目标区域进行特征提取，并使用提取得到的特征进行目标分类和识别。在训练样本较少情况下，一般选用SVM作为分类器。

虽然现有方法在SAR ATR实验中达到了较好的识别精度。但是，由于实际战场环境的复杂性，通过SAR观测到的目标可能存在某种程度的遮挡，例如：在SAR成像时刻目标某部分藏于人工掩体中。在存在遮挡情况下，测试图像与训练图像之间存在一定程度的失配。现有采用分割或者提取特征的识别方法受这种遮挡情况影响较大，造成识别率降低。

发明内容

本发明目的在于针对上述已有技术的不足，提供一种遮挡情况下的SAR目标识别方法，以提高目标识别率。

实现本发明目的的技术思路是：根据测试样本在训练样本字典上的非负稀疏分解，使得通过较少的训练样本原子的非负线性组合表示测试样本，即在训练阶段使用训练样本构造数据字典；在测试阶段利用遮挡图像较难在训练样本数据字典上进行非负稀疏分解表示特点，将测试图像在训练样本数据字典上进行非负稀疏分解；通过分解后的系数计算每一类目标与测试图像之间的重构误差，并按照重构误差最小准则进行分类识别。其具体步骤包括如下：

A.训练步骤：

（A1）将训练用的SAR目标图像进行对数变换，得到变换后的图像G；

（A2）将对数变换后的图像G进行中值滤波，得到变换后的图像I；

（A3）根据训练图像大小p×q以及预先设定的降维维数r，通过高斯随机函数randn生成大小为r×pq的随机矩阵R；

（A4）将经过对数变换和中值滤波后的SAR目标图像进行列向量化，得到n＝p·q维列向量s_i＝vec(I_i),i＝1,...,m，其中vec(·)为列向量化操作，I_i为第i幅经过中值滤波的训练图像数据,m为训练样本总数；

（A5）将向量s_i左乘上步骤(A3)生成的随机矩阵R，得到降维后的训练样本向量：d_i=R·s_i,i＝1,...,m；

（A6）将所有降维后的训练样本向量d_i进行能量归一化，得到归一化后的训练样本向量：其中||·||₂为2范数算子；

（A7）将所有归一化后的训练样本向量拼接成数据字典,并记录每一列样本所属的类别标号v_i；

B.测试步骤：

（B1）对需要测试的SAR原始图像进行与训练阶段步骤（A1）具有相同参数的对数变换；

（B2）将对数变换后的图像进行与训练阶段步骤（A2）具有相同参数的中值滤波处理，得到待测试SAR目标图像T；

（B3）将经过对数变换和中值滤波后的待测试SAR目标图像T进行列向量化，得到测试向量t~=vec(T);]]>

（B4）将测试向量左乘上步骤(A3)生成的随机矩阵R，得到降维后的测试样本向量t=R·t~;]]>