[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

说明书

本发明公开了一种目标区域和阴影联合决策的SAR图像目标识别方法，提出了联合目标区域和阴影的SAR目标识别方法，该方法采用椭圆傅里叶描述子描述目标区域和阴影的边界；同时采用特征矢量描述两者的相对关系。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，并采用决策层融合的方法得到更为稳健的识别结果。

技术领域

本发明涉及一种目标区域和阴影联合决策的SAR图像目标识别方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)目标识别是现在战场情报获 取的关键手段之一。为此，国内外学者针对这一领域开展了广泛而深入的研究。 SAR目标识别方法一般包括两个关键步骤，即，特征提取和分类器。前者通过 数学手段或者图像分析从原始SAR图像获得低维的特征矢量。常用的SAR图像 特征包括几何形状特征、投影特征和散射中心特征。几何特征主要描述目标的 物理形状信息，典型的有目标区域、轮廓等。投影特征通过数学变换的方式在 低维子空间寻求原始高维SAR图像的不变特征，如主成分分析(Principal Component Analysis，PCA)、线性鉴别分析(Linear Discriminant Analysis，LDA) [4]等。散射中心主要描述目标局部的电磁散射现象，如，属性散射中心[5]。分 类器通过对提取的特征进行作用从而对待识别样本的类别进行决策。常用与 SAR图像目标识别的分类器包括支持向量机(Support Vector Machines，SVM) [6]，稀疏表示分类器(SparseRepresentation-based Classification，SRC)[7]以及 卷积神经网络(ConvolutionalNeural Network，CNN)等。

为了提高SAR目标识别的性能，应当充分利用原始SAR图像中蕴含的鉴别 力信息。现有的SAR目标识别方法中，大部分直接采用整体SAR图像或是分割 后的目标区域，而忽视了SAR图像阴影的作用。

发明内容

本发明的目的在于克服现有技术的不足，提供一种目标区域和阴影联合决 策的SAR图像目标识别方法。

本发明的目的是通过以下技术方案来实现的：

一种目标区域和阴影联合决策的SAR图像目标识别方法，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。

进一步的，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：