[发明专利]一种遥感图像舰船目标识别方法

说明书

本发明公开了一种遥感图像舰船目标识别方法，该方法对SAR图像船只目标进行了多种特征提取和特征选择，针对不同的分类器选择了最佳的特征进行目标的识别。本发明通过使用多种群遗传算法和分类器相结合的方式挑选出了适合每种分类器的最优特征子集，降低了特征维数，减少学习时间的同时提高了准确率；本发明还通过对多种分类器进行组合，利用分类器之间的互补性提高了最终识别的准确性。

技术领域

本发明属于遥感图像处理领域，具体涉及一种遥感图像舰船目标识别方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)是以主动发射波束的方式进行成像的，它不受光照、天气等的影响，能够在各种环境下全天时全天候地工作，能够提供全面的、实时的信息，以便相关工作者及时针对图像信息做出判断。目前，SAR图像已经被广泛应用于海洋监测等各个领域。随着SAR图像分辨率的提高和对它认识的加深，它在船只目标检测和识别方面的应用研究也越来越受到关注和重视，目前利用SAR图像对海洋进行监测和管理，已经成为海洋应用领域中不可缺少的一部分。在民用及军用方面，利用SAR图像可以不受天气光照等影响，连续实时的对海洋目标进行检测的优势，能够及时获得海上情报，对于航运管控、渔业监管、作战指挥和获取海上军事行动等方面都能发挥极其重要的作用。

为了进行SAR图像船只目标的分类与识别，首先要进行特征的提取，提取出最能表现船只目标特点的属性，来更加有效地研究和分析目标的特性，以进行分类。特征提取的效果决定了最终分类识别的结果。目前研究船只目标特征主要有几何和灰度特征，电磁散射特征等。但是，由于受到噪声的影响，这些特征的分类效果并不理想。设计并提取出更加稳健和有效的SAR图像船只目标的特征以提高分类识别的精度，是相关领域研究的一个重要方向。

特征提取完成后，要利用挑选出来的最优特征子集进行最终的分类识别。可以采用单一分类器也可以采用多分类器组合的方式，一般是用各种分类算法进行实验，然后从中选择效果最好的分类方法。这样存在的问题是虽然其中某单一分类器在某些样本特征上可以取得比较好的分类效果，但是在另一些样本特征上的分类效果却比较差。不同类型分类器的误分类样本并不完全相同，各分类器之间存在一定的互补。尤其是在选择的特征描述不同的情况下，这种互补性表现的就更明显。因此，将多种分类方式进行组合可以用于SAR图像船只目标分类识别中，进一步获得更高的分类精确度。

发明内容

本发明的目的在于针对上述现有技术的问题，提供一种遥感图像舰船目标识别方法，通过提取SAR图像船只目标的全局性特征和P-HOG特征，增加了特征属性的扰动性；通过进行多种群遗传算法(MPGA)和成员分类器相结合的特征选择，挑选出针对每种所用分类器的最优特征子集；通过多个分类器之间进行组合的分类方法，可以获得比每种成员分类器更准确的效果。

本发明的技术方案如下：

一种遥感图像舰船目标识别方法，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；