[發明專利]基于曲線波變換的SAR目標識別方法

有效

• 申請號: 200910022905.8
• 申請日: 2009-06-11
• 公開（公告）號: CN101571594A
• 公開（公告）日: 2009-11-04
• 發明（設計）人: 焦李成;王爽;劉卓;侯彪;劉芳;張莉;周偉達;楊淑媛;趙紅
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S13/90
• 分類號: G01S13/90;G01S7/41
• 代理公司: 陜西電子工業專利中心
• 代理人: 王品華;朱紅星

技術領域

本發明屬于圖像處理技術領域，涉及目標識別，具體地說是一種對SAR目標的識別方法，該方法可用對SAR圖像目標的識別。

背景技術

合成空孔徑雷達(SAR，Synthetic?Aperture?Radar)是一種全天時、全天候的雷達系統，具有高分辨率和穿透能力，在戰場感知中具有廣泛應用。但由于其成像機理外部噪聲等影響導致了SAR圖像不能像光學圖像那樣易于觀察和理解，因此，必須對其進行識別。

目標識別是圖形圖像處理過程中一個重要環節。目標識別的任務就是將待識別的目標通過設計的算法正確的識別出來，但這些目標必須要有一定的先驗知識或者稱作訓練樣本以訓練分類器，從而進一步驗證識別出的結果。現代計算機強大的計算和信息處理能力在許多領域已經代替了人類的工作，但是它在目標識別，環境感知及在復雜環境下的決策能力遠遠不如生物系統。對于目標識別領域，通常流程為：預處理環節——去除背景干擾信息，將目標信息更加準確的體現；特征提取環節——提取有效特征不僅能夠將維，而且還能夠提取出目標的代表性信息；分類器環節——提高分類器學習性能。研究者先后提出了一些方法：

美國的Kaplan，L.M.，Murenzi，R.，Asika，E.和Namuduri，K.學者提出了匹配濾波方法，它是利用一組濾波器來表示不同方位的圖像信號，待識別的目標通過與最相似的濾波器相匹配而輸出識別結果，參見文章《Effect?of?signal-to-clutterratio?on?template-based?ATR》In?Proceedings?of?SPIE，Algorithms?for?SyntheticAperture?Radar?Imagery?VI，vol.3370，Orlando，FL，1998，408-419。這種方法的缺點是：匹配過程時間代價很大，而且只是最原始的匹配相似原理，導致模板匹配識別率不理想。

隨著機器學習的發展，中國的Zhao，Q.和美國的Principe，J.C.學者提出了利用支撐矢量機識別SAR圖像MSTAR數據，參見文章《Support?vector?machinesfor?SAR?automatic?target?recognition》IEEE?Transactions?on?Aerospace?andElectronic?Systems，Vol.37，No.2，(2001)643-654。這種方法首次將支撐矢量機用于目標領域，并且得到了比之前好的分類效果，并為很多學者提供了一條新的思路，即利用機器學習方法來用作識別分類器。但此方法由于沒有考慮提取目標特征，因此識別率不高；該方法只提取了中央80×80大小圖像L2范數信息，特征數據量大，導致計算復雜度高。2007年中國的YIJUN?SUN和JIAN?LI等學者改進了分類器，提出了用AdaBoost算法取代支撐矢量機算法得到了較好的效果，參見文章《Adaptive?Boosting?for?SAR?Automatic?Target?Recognition》IEEETransactions?on?Aerospace?and?Electronic?Systems，Vol.43，No.1，(2007)112-125。但此方法主要關注于有效分類器的設計，雖然它也能提取目標特征，但提取的目標特征不夠準確，影響SAR目標的識別率；此方法中提取預處理后中央80×80大小子圖像的離散傅立葉變換的頻域信息，同樣導致計算復雜度高的問題。考慮到如何提取圖像特征問題，2005年美國學者Candes和美國學者Donoho等人提出的曲線波變換，參見文章《Fast?Discrete?Curvelet?Transforms》Multiscale?Model.Simulation，5，861-899。它成功解決降低圖像特征提取維數的問題，并已應用于圖像的特征提取環節，本發明將曲線波變換引入SAR目標識別方法中，降低特征維數。

發明內容

本發明的目的在于為了克服上述已有技術的不足，提出了一種基于曲線波變換的SAR目標識別方法，以準確提取目標特征，提高SAR目標識別率，同時降低數據量，減少計算時間代價。

實行本發明目的的技術方案，包括如下步驟：

(1)對原始SAR目標圖像進行平滑中值濾波；

(2)利用濾波后圖像的均值和方差對濾波后的圖像進行非線性歸一化處理；

(3)利用大小為64×64窗口濾波器提取非線性歸一化后圖像的中央區域，并對該中央區域進行閾值分割；