[发明专利]遮挡情况下的SAR目标识别方法

摘要

本发明公开了一种遮挡情况下的SAR目标识别方法，主要解决现有识别技术在遮挡情况下识别性能下降的问题。其实现步骤为：对训练图像依次进行对数变换，中值滤波，将图像列向量化，左乘随机矩阵降维和能量归一化的预处理，并用预处理后的数据构造成数据字典D；对待测试图像依次进行对数变换、中值滤波、图像列向量化，随机矩阵降维和能量归一化的预处理，通过该预处理后的测试数据和数据字典D构造非负稀疏表示式；优化后得到非负稀疏分解系数，并用非负稀疏分解系数计算各类的重构误差；根据重构误差最小准则获得目标判别结果。本发明在待测试目标存在遮挡情况下具有识别率高，性能稳定的优点，适用于目标可能被遮挡情况下的SAR目标识别。

主权项

1.一种遮挡情况下的SAR目标识别方法，包括： A.训练步骤： （A1）将训练用的SAR目标图像进行对数变换，得到变换后的图像G； （A2）将对数变换后的图像G进行中值滤波，得到变换后的图像I； （A3）根据训练图像大小p×q以及预先设定的降维维数r，通过高斯随机函数randn生成大小为r×pq的随机矩阵R； （A4）将经过对数变换和中值滤波后的SAR目标图像进行列向量化，得到n＝p·q维列向量s_i＝vec(I_i),i＝1,...,m，其中vec(·)为列向量化操作，I_i为第i幅经过中值滤波的训练图像数据,m为训练样本总数； （A5）将向量s_i左乘上步骤(A3)生成的随机矩阵R，得到降维后的训练样本向量：d_i=R·s_i,i＝1,...,m； （A6）将所有降维后的训练样本向量d_i进行能量归一化，得到归一化后的训练样本向量：其中||·||₂为2范数算子；（A7）将所有归一化后的训练样本向量拼接成数据字典,并记录每一列样本所属的类别标号v_i；B.测试步骤： （B1）对需要测试的SAR原始图像进行与训练阶段步骤（A1）具有相同参数的对数变换； （B2）将对数变换后的图像进行与训练阶段步骤（A2）具有相同参数的中值滤波处理，得到待测试SAR目标图像T； （B3）将经过对数变换和中值滤波后的待测试SAR目标图像T进行列向量化，得到测试向量（B4）将测试向量左乘上步骤(A3)生成的随机矩阵R，得到降维后的测试样本 向量（B5）将降维后的测试样本向量t进行能量归一化，得到归一化后的测试样本向量（B6）根据训练阶段得到的数据字典D和归一化后的测试样本向量构造非负稀疏表示式；s.t.,α≥0.其中，α为待优化变量，λ为根据训练样本数据稀疏性给定的正则化参数，||·||₁为1范数算子； （B7）利用凸优化方法最小化非负稀疏表示式，得到非负稀疏分解系数α^*； s.t.,α≥0.（B8）根据步骤（B7）得到的非负稀疏分解系数α^*，计算各类对归一化后的测试样本向量的重构误差：其中，k＝1,...,C，C为训练集包含的类别数，δ(·)为指标函数，，为α^*的第i个元素；（B9）根据重构误差最小准则得到识别结果k^*： k＝1，...，C。