[发明专利]一种基于支持向量机的机载SAR成像质量评估方法

权利要求书

1.一种基于支持向量机的机载SAR成像质量评估的方法，其特征在于，包括以下步骤：

(1)、将K幅已知成像质量的机载SAR成像即SAR图像作为训练数据，并计算出每幅SAR图像的质量评价指标：均值μ_k、方差辐射分辨率γ_k、等效视数ENL_k、灰度分辨率Q_k、熵ENT_k、角二阶矩ASM_k、对比度CON_k，其中，k为SAR图像编号，k＝1,2,...,K；

(2)、首先，将K幅SAR图像的质量评价指标放到一个矩阵中，并融合对应的类别样本标签，此处的类别样本标签是指基于针对成像结果即SAR图像的先验判别，构成一个质量评估数据框P：

其中，最后一列分别为K幅SAR图像的先验标签，作为类别标签取值设为-1表示成像结果不通过或1表示成像结果通过；

然后，对质量评估数据框P的前8列的每一列进行归一化处理，使其在0～1范围，得到标准化后的矩阵P*；

(3)、建立支持向量机核函数，构建分类模型，则对应的分类决策函数为：

y＝f(x)＝sign{w·x+b}；

其中，w、b为权重参数，w为8维向量，b为一个实数，x为一幅SAR图像8个图像质量评价指标组成的向量，y是对应类别标签取值，符号·表示求两个向量的内积；

(4)、依据矩阵P*求解权重参数w、b，则有：

y_k＝f(x_k)＝sign{w·x_k+b}

其中，x_k为矩阵P*第k行前8列的图像质量评价指标组成的向量，y_k为矩阵P*第k行最后一列的类别标签取值，w、b为根据矩阵P*训练数据确定的权重参数；

其中，权重参数w、b通过引入拉格朗日乘子α_k≥0,k＝1,2,...,K进行求解，原始的优化问题可以表示为：

s.t.y_k(w·x_k+b)-1≥0,k＝1,2,...,K

引入拉格朗日乘子后，可转化为其对偶形式：

其中i,j表示计数下标，表示取遍K个幅SAR图像的质量评价指标以及对应的类别标签取值，于是可以根据训练数据解出α＝(α₁,α₂,...,α_K)，进而求出权重参数w、b：

(5)、对于一幅需要进行评估未知成像质量的机载SAR成像即SAR图像，计算出该SAR图像的质量评价指标：均值μ、方差σ²、辐射分辨率γ、等效视数ENL、灰度分辨率Q、熵ENT、角二阶矩ASM、对比度CON，并依次横向排列，构成一行向量，并对各个质量评价指标进行归一化处理，作为分类决策函数的x进行计算，得到其类别标签取值y，完成机载SAR成像质量的评估，其中，归一化处理时的最大值、最小值为各个质量评价指标在步骤(2)中的最大值、最小值。