[发明专利]基于纹理特征变换的SAR装备任务失效成因推理方法

权利要求书

1.一种基于纹理特征变换的SAR装备任务失效成因推理方法，其特征在于，包括以下步骤：

(1)、收集K种地形的SAR图像数据，每类地形SAR图像数据包括一幅正常图像以及M幅异常图像，M幅异常图像包括相同数量的P种异常图像(即每种异常图像的数量为M/P幅)；

(2)、对于第k种地形的SAR图像数据，对每一张SAR图像计算其N种纹理特征，得到第k种地形下N幅异常图像的纹理特征数据集为：

单个正常图像的纹理特征为：

其中，X^k表示异常图像的纹理特征数据集(即纹理特征矩阵)，为M异常图像的第n个纹理特征对应的纹理特征构成的列向量，Y^k表示M幅异常图像对应的异常类型构成的列向量，为异常类型的类标记；

(3)、对纹理特征数据集进行纹理特征变换，即异常图像的纹理特征变换与对应地形下正常图像的纹理特征进行差值运算：

其中，X′^k为纹理特征变换后的纹理特征矩阵；

(4)、对纹理特征矩阵X′^k按列进行归一化操作，得到归一化后的特征矩阵

(5)、将归一化后的特征矩阵与类标记列向量Y^k进行合并，得到第k种地形下的N幅异常图像的纹理特征数据集

(6)、将K种地形的纹理特征数据集整合为训练数据集D_train：

(为了便于表述)重新表示为：

其中，G＝M×K；

(7)、使用CART生成算法构建最优分类决策树模型，构建过程中使用基尼指数来选择特征属性；用训练数据集D_train对最优分类决策树模型进行训练，得到训练好的最优分类决策树模型；

(8)、对于K种地形的未知异常类型的Q幅异常SAR图像，按照步骤(2)、(3)、(4)的方法进行处理，得到归一化后的特征矩阵然后将K种地形的特征矩阵整合为输入数据集D_de:

(为了便于表述)重新表示为：

(9)、将输入样本数据集D_de输入到训练好的最优分类决策树模型进行分类，得到Q幅异常SAR图像每一幅对应的异常类型。

2.根据权利要求1所述的基于纹理特征变换的SAR装备任务失效成因推理方法，其特征在于，所述的最优分类决策树模型的可调参数msl(叶子节点最少样本数)，mid(节点划分最小不纯度)通过网格法确定最优取值，msl＝8和mid＝0.001。

3.根据权利要求1所述的基于纹理特征变换的SAR装备任务失效成因推理方法，其特征在于，所述N种纹理特征为：相关性、差异、对比度、和平均、中值、阴暗聚类和突出聚类。