[发明专利]基于耦合字典学习的合成孔径雷达图像目标识别方法

摘要

本发明公开一种基于耦合字典学习的合成孔径雷达图像目标识别方法，是将共享字典与综合型‑解析型字典相结合，构成了耦合字典学习模型。解析型字典的应用降低了算法的复杂度，使得模型更适合于实时性的系统；共享字典和结构化的综合型字典的应用解决了分类准确性的问题。相比于现有方法，本发明提高了多类合成孔径雷达图像识别准确率，并在俯视角变化的SAR图像识别中有较高的稳定性。

主权项

一种基于耦合字典学习的合成孔径雷达图像目标识别方法，包括建立分类器模型，其特征在于按照如下步骤建立分类器模型：步骤S1，对训练集样本进行预处理，获得纹理特征；步骤S2，优化学习得到解析性字典P和混合型字典H；设样本，字典，稀疏编码矩阵，则综合型字典学习模型为：(1)式（1）中为常数，是用来提升区分准确率的约束项；设混合型字典为，是共享字典，选择器，第j列如下：混合型字典的第i列是，，则耦合字典学习的模型为：（2）式（2）中和是常数；引入一个中间变量A，则上式（2）为：（3）分别更新A，H和P，H和P固定，更新A，即要求：（4）得到A的闭式解如下：（5）A和H固定，更新P，即要求：（6）得到字典P的闭式解如下：（7）A和P固定，更新字典H，即要求：（8）利用ADMM算法可以求得（8）式的最优解：（9）步骤S3，确定分类器模型；用重构误差表示基于混合字典模型算法的分类器模型，如式（10）所示：（10）。