[發(fā)明專利]基于多信息聯(lián)合動(dòng)態(tài)稀疏表示的SAR目標(biāo)變體識(shí)別方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410030065.0
• 申請(qǐng)日: 2014-01-23
• 公開（公告）號(hào): CN103824088B
• 公開（公告）日: 2017-04-19
• 發(fā)明（設(shè)計(jì)）人: 王英華;齊會(huì)嬌;劉宏偉;丁軍;杜蘭;糾博;白雪茹;王鵬輝;陳渤
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06K9/66
• 分類號(hào): G06K9/66
• 代理公司: 西安睿通知識(shí)產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙)61218
• 代理人: 惠文軒

1.一種基于多信息聯(lián)合動(dòng)態(tài)稀疏表示的SAR目標(biāo)變體識(shí)別方法，其特征在于，包括以下步驟：

(1)以將訓(xùn)練樣本的原始SAR圖像為基礎(chǔ)，構(gòu)建關(guān)于圖像域目標(biāo)幅度信息的目標(biāo)訓(xùn)練字典關(guān)于圖像域目標(biāo)陰影信息的陰影訓(xùn)練字典關(guān)于頻域目標(biāo)幅度信息的頻域訓(xùn)練字典并拼接成一個(gè)多信息訓(xùn)練字典D，公式表示為：

$D=\[{\tilde{D}}_1,{\tilde{D}}_2,{\tilde{D}}_3\]$

其中Num為訓(xùn)練樣本的總數(shù)；

(2)以測(cè)試樣本SAR圖像為基礎(chǔ)，構(gòu)建關(guān)于時(shí)域目標(biāo)幅度信息的歸一化測(cè)試目標(biāo)向量關(guān)于時(shí)域目標(biāo)陰影信息的歸一化測(cè)試陰影向量關(guān)于頻域目標(biāo)幅度信息的歸一化頻域測(cè)試向量并拼接得到多信息測(cè)試矩陣

(3)根據(jù)多信息訓(xùn)練字典D和多信息測(cè)試矩陣Y，構(gòu)造聯(lián)合稀疏表達(dá)式，求解聯(lián)合稀疏系數(shù)矩陣X；

聯(lián)合稀疏表達(dá)式如下所示：

D＝[D₁，D₂，...，D_K]

$Y=\[{\tilde{y}}_1,{\tilde{y}}_2,...,{\tilde{y}}_K\]$

則有：

Y＝DX

或者Y＝DX+ε

其中，D_k表示第k種信息構(gòu)成的訓(xùn)練字典，聯(lián)合稀疏系數(shù)矩陣X＝[X₁，X₂，...，X_K]，其X_k表示第k類信息的稀疏系數(shù)向量，k＝1，2，...，K為信息的種類，ε為噪聲或誤差向量；

其中，K＝3，k＝1表示時(shí)域目標(biāo)幅度信息；k＝2表示時(shí)域目標(biāo)陰影信息；k＝3表示頻域目標(biāo)幅度信息；

(4)利用得到的聯(lián)合稀疏系數(shù)矩陣X，對(duì)測(cè)試樣本進(jìn)行重構(gòu)，根據(jù)重構(gòu)誤差最小化原則，得到最終的分類結(jié)果；

具體分類表達(dá)式表示為：

${\hat{y}}_k=D_k{\mathrm{\δ}}_j\left(X_k\right)$

$j=\underset{j}{\mathrm{argmin}}\underset{k=1}{\overset{K}{\Σ}}{w}_k\left|\right|{\tilde{y}}_k-{\hat{y}}_k|{|}_2^2$

其中，w_k為第k種信息的權(quán)重，表示對(duì)歸一化測(cè)試樣本第k種信息向量的重構(gòu)，j＝1，2，...，J為訓(xùn)練樣本集包含的類別數(shù)，k＝1，2，...，K表示信息的種類，δ(·)為指標(biāo)函數(shù)，δ_j(X_k)表示取X_k中與第j類目標(biāo)對(duì)應(yīng)的位置處的系數(shù)值，而其對(duì)應(yīng)的其他類別位置處的系數(shù)值為0。