[发明专利]一种目标区域和阴影联合决策的SAR图像目标识别方法

权利要求书

1.一种目标区域和阴影联合决策的SAR图像目标识别方法，其特征在于：包括以下步骤：

S1：对目标区域和阴影进行提取；

S11：通过直方图均衡化将原始SAR图像的灰度动态范围变换到[0,1]；

S12：采用均值滤波对步骤S11的结果进行平滑处理；

S13：基于门限法进行SAR图像分割，目标区域和阴影的门限分别设置为0.8和0.2；

S14：采用形态学开操作剔除背景噪声带来的虚警；

S15：采用形态学闭操作连接目标区域以及阴影区域，获取光滑的目标以及阴影轮廓；

S2：对目标区域和阴影进行特征构造；

S3：采用稀疏表示分类器对目标区域边界、阴影的椭圆傅里叶描述子以及相对关系的特征矢量进行分类；

S4：采用决策层融合得到识别结果。

2.根据权利要求1所述的一种目标区域和阴影联合决策的SAR图像目标识别方法，其特征在于：所述步骤S2用椭圆傅里叶描述子分别对目标和阴影的二值区域进行描述，其公式为：

公式中系数F_k∈R^2×2,k＝0，1，2，…代表椭圆傅里叶描述子，

其计算公式为：

式中，F₀为0阶描述子，代表封边边界的几何中心，包含两个系数[a₀ c₀]^T。对于k≥1次谐波，包含四个系数[a_k b_k c_k d_k]^T；椭圆傅里叶描述子分别描述目标区域边界和阴影边界，均采用7阶谐波，两个边界最终都表示为26维的特征矢量。

3.根据权利要求1所述的一种目标区域和阴影联合决策的SAR图像目标识别方法，其特征在于：所述步骤S3还包括系数表示分类器训练步骤，具体步骤如下：根据各个类别对于待识别样本的重构误差大小判定其类别，记A＝[A¹,A²,…,A^M]∈R^d×N为M类目标的训练样本构成的全局字典，其中为来自第i类的训练样本；对于待识别的测试样本y，其稀疏公式为：

式中，α代表稀疏系数矢量，ε预设的重构误差上限，

根据估计得到的稀疏表示系数按照计算各个类别的重构误差并判定测试样本的目标类别，计算公式为：

式中，r(i)(i＝1,2,…,M)对应各个类别的重构误差。

4.根据权利要求1所述的一种目标区域和阴影联合决策的SAR图像目标识别方法，其特征在于：所述步骤S4还包括决策层融合的步骤，具体步骤为：

将分类结果转换为归一化的相似度，其公式为：

通过线性加权的方式归一化的相似度融合：

S(i)＝ω₁s₁(i)+ω₂s₂(i)+ω₃s₃(i)i＝1，2，…，M

式中，s₁(i)，s₂(i)和s₃(i)分别代表目标区域边界、阴影边界以及目标区域和阴影相对关系的归一化相似度；ω₁，ω₂，ω₃为三者的线性加权系数，表示着三者的重要程度；S(i)为融合后的归一化相似度。