[发明专利]一种遥感图像舰船目标识别方法

权利要求书

1.一种遥感图像舰船目标识别方法，其特征在于，包括如下步骤：

步骤1，对原始图像切片进行全局特征提取，得到一组全局特征；

步骤2，对原始图像切片进行P-HOG特征提取，得到一组P-HOG特征；

步骤3，基于多种群遗传算法对步骤1和步骤2得到的两组特征分别进行选择，其中，针对任意一组特征的选择过程均包括如下子步骤：

步骤3.1，对特征进行编码；

步骤3.2，按照步骤3.1的编码方式随机生成设定数目的编码，将这些编码随机分成设定数目的种群；然后选定一批用于目标识别的分类器；

步骤3.3，针对选定的每个分类器，利用上一步得到的每一个种群的编码所代表的特征向量对该分类器分别进行训练，并得出该分类器的识别精度，并以此精度作为种群个体的适应度函数；

步骤3.4，每个种群通过交叉变异来产生新个体，然后根据适应度函数选择出优秀个体；

步骤3.5，将每个种群里适应度函数最高的且特征数量最少的个体作为精英个体放入精英种群进行保存；

步骤3.6，针对产生的新个体，利用步骤3.3的方法继续对分类器进行训练，得到适应度函数；然后重复执行步骤3.3至步骤3.6，直到满足收敛条件；最终得到的精英种群中的最优个体即为当前分类器对应的最优特征；

步骤3.7，针对下一个分类器，采用步骤3.3至步骤3.6的方法确定该分类器对应的最优特征；训练完成所有分类器后，每个分类器对应两组最优特征；

步骤4，构建组合分类器，对该分类器进行训练，并进行目标的判别，具体包括如下子步骤：

步骤4.1，在选定的分类器中，将识别精度靠前的部分分类器作为初级分类器，利用各个初级分类器对应的最优特征分别进行训练，并将得到的分类结果输入到选定的一个次级分类器中进行进一步的训练，由此得到各个分类器的模型；

步骤4.2，对于待识别切片，按照步骤1和步骤2的方法提取出待识别切片的特征；并按照步骤3.6中分类器与最优特征的对应关系，从切片的特征中选择出初级分类器对应的最优特征，然后分别将最优特征输入到对应的分类器中，得到识别结果，将各个分类器的识别结果共同输入到次级分类器中，得到图像的最终识别结果。

2.如权利要求1所述的遥感图像舰船目标识别方法，其特征在于，所述全局特征包括长、宽、长宽比、7个Hu矩、3个中心矩、4个局部RCS密度、方差系数和形状复杂度的19维特征中的部分特征或者全部特征。

3.如权利要求1所述的遥感图像舰船目标识别方法，其特征在于，所述P-HOG特征为在切片上提取的两层的P-HOG特征。

4.如权利要求3所述的遥感图像舰船目标识别方法，其特征在于，所述两层的P-HOG特征为：在第一层中的1个区域提取；第二层中的2x2个区域提取，共提取168维的P-HOG特征。

5.如权利要求1所述的遥感图像舰船目标识别方法，其特征在于，步骤3.1中对特征进行编码的具体方法为：形成一个长度与特征数目一致的编码序列，给编码序列各个位置进行随机赋值，0代表该位置特征没有选中，1代表该位置特征被选中。

6.如权利要求1所述的遥感图像舰船目标识别方法，其特征在于，所述选定的一批分类器包括支持向量SVM、贝叶斯、逻辑回归、线性判别分析、K近邻和极限学习机。

7.如权利要求6所述的遥感图像舰船目标识别方法，其特征在于，识别精度靠前的部分分类器包括：贝叶斯分类器、逻辑回归分类器、线性判别分类器。

8.如权利要求1所述的遥感图像舰船目标识别方法，其特征在于，所述收敛条件为精英种群中精英个体保持10次迭代不变。

9.如权利要求1所述的遥感图像舰船目标识别方法，其特征在于，所述次级分类器为SVM分类器。

10.如权利要求1所述的遥感图像舰船目标识别方法，其特征在于，所述设定数目的编码为400组编码；所述设定数目的种群为10个种群。

11.如权利要求1所述的遥感图像舰船目标识别方法，其特征在于，步骤3.5中，所有的种群产生精英个体并保存到精英种群以后，针对每一个种群，当精英种群中增加设定数量的精英个体后，将本次产生的精英个体通过移民算子引入到其它种群中，替换掉该种群中适应度较差的个体，再执行步骤3.6。