[发明专利]一种群智优化SAR雷达空中飞行目标识别系统在审
申请号: | 201810457315.7 | 申请日: | 2018-05-14 |
公开(公告)号: | CN108681732A | 公开(公告)日: | 2018-10-19 |
发明(设计)人: | 刘兴高;吴俊;孙元萌 | 申请(专利权)人: | 浙江大学 |
主分类号: | G06K9/32 | 分类号: | G06K9/32;G06K9/62 |
代理公司: | 杭州求是专利事务所有限公司 33200 | 代理人: | 邱启旺 |
地址: | 310058 浙江*** | 国省代码: | 浙江;33 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 雷达 目标识别系统 空中飞行 上位机 数据库 种群 分类器训练模块 图像预处理模块 结果显示模块 特征提取模块 特征选择模块 图像数据存储 实时监测 依次相连 优化模块 在线识别 优化 | ||
本发明公开了一种群智优化SAR雷达空中飞行目标识别系统,包括SAR雷达、数据库以及上位机;SAR雷达、数据库、上位机依次相连,所述SAR雷达对空中进行实时监测,并将SAR雷达获得的图像数据存储到所述的数据库中,所述的上位机包括图像预处理模块、特征提取模块、特征选择模块、分类器训练模块、群智优化模块以及结果显示模块。本发明提供一种实现在线识别、精度高的空中飞行目标识别系统。
技术领域
本发明涉及雷达数据处理领域,特别地,涉及一种群智优化SAR雷达空中飞行目标识别系统。
背景技术
空中飞行目标识别技术展现出了强大的生命力,30年来出现了各种的理论方法,研究的比较成熟的算法有经典统计判决、主观Bayes推断、D-S证据理论法、神经网络和支持向量机等。因为目标识别的算法的不同有可能会造成表达识别结果的不一致,所以系统为了便于进行处理和对比把各类的识别结果的表达形式统一为主观概率。除此之外,有些研究人员对目标识别进行研究时,引入了粗糙集理论和数据挖掘。也有人将数据挖掘与粗糙集理论结合,对目标识别系统进行研究。目前,归纳学习过程广泛应用了数据挖掘技术,数据挖掘可以从大量数据中提取潜在的规律。其中利用SAR图像对空中飞行目标进行监测和识别是目前国际上的一个前沿和热点,可以通过对SAR图像进行空中飞行目标的监测识别,获取飞行目标的类型、位置以及航向等重要的信息参数。对于获取空中飞行目标的主动权、确保空中飞行目标行动的成功起到了至关重要的作用。
发明内容
为了克服目前基于SAR图像的空中飞行目标识别准确率不高的不足,本发明的目的在于提供一种实现实时分析的群智优化SAR雷达空中飞行目标识别系统。
本发明解决其技术问题所采用的技术方案是:一种群智优化SAR雷达空中飞行目标识别系统,包括SAR雷达、数据库以及上位机,SAR雷达、数据库和上位机依次相连,所述SAR雷达对空中进行实时监测,并将SAR雷达获得的图像数据存储到所述的数据库中,所述的上位机包括:
图像预处理模块,用以进行SAR雷达图像数据预处理,采用如下过程完成:
1)从数据库中传来的SAR图像灰度级为L,f(x0,y0)为像素点(x0,y0)处的灰度值,g(x0,y0)为像素点(x0,y0)的N×N邻域内像素的平均值,其中x0,y0分别表示像素点的横坐标和纵坐标;
2)通过计算满足f=m和g=n的像素数目h(m,n),得到二维联合概率密度pmn:
pmn=p(m,n)=h(m,n)/M
其中,M表示图像像素的总数目;
3)计算二维直方图的均值向量μ:
4)分别计算图像中目标和背景出现的概率P0,1和均值向量μ0,1:
其中,t、s、下标0、下标1分别表示f分割阈值、g分割阈值、目标区域、背景区域;
5)计算类间方差BCV:
BCV=P0(μ0-μ)(μ0-μ)′+P1(μ1-μ)(μ1-μ)′;
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于浙江大学,未经浙江大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810457315.7/2.html,转载请声明来源钻瓜专利网。