[发明专利]一种结合稀疏特征选择的SAR目标鉴别方法

摘要

本发明公开了一种结合稀疏特征选择的SAR目标鉴别方法，涉及雷达自动目标识别领域，包括：步骤1，求取n个SAR训练图像中疑似目标区域，步骤2，从疑似目标区域中提取训练样本，步骤3，得到归一化后的训练样本矩阵，步骤4，求解l1范数稀疏约束下的投影降维模型得到投影向量Φ，步骤5，得到训练投影特征，步骤6，求取n1个目标的训练投影特征的均值，求取n2个杂波的训练投影特征，步骤7，确定SAR测试图像中的疑似目标区域，步骤8，提取测试样本，步骤9，得到归一化后的测试样本，步骤10，得到测试样本的投影特征，步骤11，判定测试图像。本发明消除了无效特征、冗余特征在鉴别中的负面影响，减少了计算量，提高了目标鉴别性能。

主权项

一种结合稀疏特征选择的SAR目标鉴别方法，其特征在于，包括以下步骤：步骤1，取N个SAR训练图像，其中，N个SAR训练图像包括N1个含目标的SAR训练图像和N2个含杂波的SAR训练图像，N、N1和N2分别为自然数，并且N1+N2＝N；对N个SAR训练图像中第j个SAR训练图像Sj依次进行对数变换、自适应阈值分割、形态学滤波，得到二值图像Fj，j大于等于1并且小于等于N；步骤2，通过二值图像Fj中的像素幅值连续为1的像素区域进行几何聚类来判断二值图像Fj是否包含疑似目标区域Tj；如果二值图像Fj不包含疑似目标区域Tj，则丢弃第j个SAR训练图像Sj；如果二值图像Fj包含疑似目标区域Tj，从疑似目标区域Tj中提取p个特征，将p个特征组成训练样本xj，训练样本xj是维度大小为p×1的列向量，p表示特征数目，j大于等于1并且小于等于N；步骤3，根据步骤1至步骤2，从N1个含目标的SAR训练图像中得到n1个目标的训练样本，从N2个含杂波的SAR训练图像中得到n2个杂波的训练样本；n1≤N1，n2≤N2，N1为目标的SAR训练图像总数，N2为杂波的SAR训练图像总数；n1个目标的训练样本和n2个杂波的训练样本组成训练样本矩阵X；训练样本矩阵X包含n个训练样本，n＝n1+n2，n≤N，N为SAR训练图像总数；对第i个训练样本xi进行归一化，i大于等于1并且小于等于n，得到归一化后的训练样本其中，μ表示训练样本特征矩阵X的每行的均值形成的行均值向量，σ是表示训练样本特征矩阵X的每行的标准差形成的行标准差向量；进而对n1个目标的训练样本归一化后得到n1个归一化后的目标训练样本，对n2个杂波的训练样本归一化后得到n2个归一化后的杂波的训练样本；n1个归一化后的目标训练样本和n2个归一化后的杂波的训练样本形成n个归一化后的训练样本，n＝n1+n2；n个归一化后的训练样本组成归一化后的训练样本矩阵是第i个的归一化训练样本；步骤4，构建l1范数稀疏约束下的归一化后的训练样本矩阵的投影降维模型，再求解l1范数稀疏约束下的投影降维模型得到投影向量Φ；步骤5，利用投影向量Φ对第i个归一化后的训练样本进行如下投影变换，得到训练投影特征x~i=x‾iTΦ;]]>步骤6，根据步骤5对于n1个归一化后的目标训练样本进行投影变换，得到n1个含目标的训练投影特征，并求取n1个含目标的训练投影特征的均值根据步骤5对于n2个归一化后的杂波的训练样本进行投影变换，得到n2个含杂波的训练投影特征，并求取n2个含杂波的训练投影特征的均值步骤7，对SAR测试图像S*进行对数变换、自适应阈值分割、形态学滤波，得到二值图像F*；步骤8，将二值图像F*中的像素幅值连续为1的像素区域进行几何聚类以判断是否包含疑似目标区域T*；如果测试二值图像F*不包含测试疑似目标区域T*，则测试图像S*被判定为杂波；如果测试二值图像T*包含测试疑似目标区域T*，从疑似目标区域T*中，提取p个特征，p个特征组成测试样本x*；步骤9，对测试样本x*进行归一化，得到归一化后的测试样本x‾*=x*-μσ,]]>其中，μ表示训练样本特征矩阵X的每行的均值形成的向量，σ是表示训练样本特征矩阵X的每行的标准差形成的向量；步骤10，利用投影向量Φ对归一化后的测试样本进行如下投影变换，得到测试样本的投影特征x~*=x‾*Φ,]]>步骤11，计算投影特征与目标的训练投影特征的均值的距离以及投影特征与杂波的训练投影特征的均值的距离如果d1≤d2，则测试图像S*被判定为目标，否则测试图像S*被判定为杂波。