[发明专利]基于贝叶斯网络的SAR图像识别方法

摘要

本发明公开了一种基于贝叶斯网络的SAR图像识别方法。主要解决现有技术中目标识别种类较少且需要训练样本的问题。其实现步骤为：1.根据基于层次视觉语义和自适应邻域多项式隐模型的方法，得到SAR图像分割结果；2.根据SAR图像的分割结果，构建图像灰度和目标种类之间的对应关系；3.根据图像灰度和目标种类之间的对应关系，构建贝叶斯网络；4.根据贝叶斯网络，确定分割区域的目标种类。本发明实现了SAR图像良好的识别效果，可用于目标跟踪。

主权项

1.基于贝叶斯网络的SAR图像识别方法，包括：(1)采用基于层次视觉语义和自适应邻域多项式隐模型的方法，对SAR图像进行分割，得到分割区域R＝{Ri},i∈{1,2,...,m}，m代表分割区域的总个数，Ri代表第i个分割区域；(2)根据SAR图像的分割结果，构建图像灰度和目标种类之间的对应关系：(2a)计算分割区域Ri内的平均灰度Ai：其中，Ni是分割区域Ri内的像素总个数，ys是分割区域Ri内第s个像素，s∈{1,2,...,Ni}；(2b)根据计算的平均灰度Ai，将分割区域Ri划分成3个灰度区间，如果平均灰度Ai∈[0,50)，则分割区域Ri是低灰度区间；如果平均灰度Ai∈[50,175)，则分割区域Ri是中灰度区间；如果平均灰度Ai∈[175,255]，则分割区域Ri是高灰度区间；(2c)设低灰度区间对应的是道路、水域、湿地和阴影4种目标，中灰度区间对应的是陆地和农田2种目标，高灰度区间对应的是森林和规则的人工目标群2种目标；(3)根据图像灰度和目标种类之间的对应关系，构建贝叶斯网络；(3a)根据SAR图像素描模型得到SAR图像素描图；(3b)根据SAR图像的素描图，计算分割区域Ri的特征di：其中，bj是方向为j的像素个数，j∈K，K＝{0,1,...,179}代表0度到179度共180个方向；(3c)根据步骤(2c)和(3b)，构建贝叶斯网络的第一层为SAR图像，第二层为SAR图像的目标种类，第三层是SAR图像分割区域的特征di和像素总个数Ni；(4)根据贝叶斯网络，构建分割区域的目标种类的公式：(4a)定义分割区域Ri的目标种类zc为：其中，z＝{zc},c∈{1,2,...,8}，z1,z2,z3,z4,z5,z6,z7和z8分别代表道路、水域、湿地、阴影、陆地、农田、森林和规则的人工目标群8种目标类型；(4b)根据(4a)，获得识别分割区域Ri目标种类的公式：其中，α为归一化的参数，p(di|zc)是特征di的条件概率，p(Ni|zc)是像素个数Ni的条件概率，p(zc)为先验概率；(5)根据(4b)中分割区域Ri目标种类的公式，分别计算分割区域Ri属于8种不同目标种类的概率，取这8个概率的最大值，最大值对应的目标种类为分割区域Ri的目标类型。