[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

说明书

本发明公开了一种基于支持向量机的机载SAR成像质量评估的方法，采用基于支持向量机的分类模型，融合多个质量评价指标，能够挖掘各指标之间的隐藏关系，并用于指导分类，给出成像结果的评价，这样通过目标数据提取训练样本，增强了模型的泛化性能，提升了成像质量评估的准确性。同时，本发明通过构建支持向量机分类模型，一方面，融合各单一质量评价指标能够有效提升评估的准确率，另一方面，支持向量机的应用对于训练样本数量的要求不高，能够满足实际情况。

技术领域

本发明属于合成孔径雷达(Synthetic Aperture Radar，简称SAR)成像中的结果评估技术领域，更为具体地讲，涉及一种基于支持向量机的机载SAR成像质量评估的方法。

背景技术

目前，作为国际雷达遥感领域的研究热点之一，SAR图像由于较强的目标方位敏感性及特殊的图像质量问题，其解译一直比较困难，因此需要对其成像质量进行评估。成像质量评估的意义在于能够确定图像信息的可用性，进而帮助设计与评估未来的SAR成像系统，评估传感器的性能。

传统的SAR成像质量评估主要基于主观评估和客观评估两种，前者由测试者通过视觉特性以及自己对图像特征的掌握程度直接对图像进行评估，需要测试者有相当的经验，成像质量评估受人为因素影响较大；后者通过计算图像的质量评价指标来实现图像的质量评价，但是受限于指标类型，单个指标常常无法完全概括成像的情况。

基于质量评价指标的成像质量评估方法能够快速确定成像的质量指标，但是缺少对各质量指标关系的挖掘与分析，会直接影响成像质量评估的精度。

发明内容

本发明的目的在于克服传统机载SAR成像评估方法基于单一质量指标和需要先验知识的不足，提供一种基于支持向量机的机载SAR成像质量评估的方法，以提升SAR成像质量评估的准确性。

为实现上述发明目的，本发明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n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(每一质量评价指标)进行归一化处理(标准化处理)，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}