[發明專利]基于低秩字典學習及稀疏表示的極化SAR艦船檢測方法

有效

• 申請號: 201410181747.1
• 申請日: 2014-04-30
• 公開（公告）號: CN103954934A
• 公開（公告）日: 2014-07-30
• 發明（設計）人: 王英華;齊會嬌;劉宏偉;文偉;丁軍
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G01S7/02
• 分類號: G01S7/02
• 代理公司: 西安睿通知識產權代理事務所(特殊普通合伙) 61218
• 代理人: 惠文軒

1.一種基于低秩字典學習及稀疏表示的極化SAR艦船檢測方法，其特征在于，包括以下步驟：

步驟1，提取海雜波樣本作為訓練雜波樣本，由雜波樣本的像素構造訓練數據矩陣Z；

步驟2，利用訓練數據矩陣Z進行訓練，通過學習得到低秩字典D；

步驟3，基于學習得到的低秩字典D，對測試樣本的所有像素的特征向量進行稀疏表示，根據求解的稀疏表示系數定義一個依賴于散射機制的檢測統計量，并設定一個檢測統計量門限，對測試樣本的所有像素的檢測統計量進行門限檢測，獲得最終顯示檢測結果的二值圖像。

2.根據權利要求1所述的基于低秩字典學習及稀疏表示的極化SAR艦船檢測方法，其特征在于，步驟1的具體子步驟為：

(1.1)提取海雜波樣本作為訓練雜波樣本，將訓練雜波樣本的N個像素的特征向量組成訓練數據矩陣Z，其表達式為：Z＝[z₁?...?z_i?...?z_N]；

其中，N為訓練雜波樣本中選取的像素的個數，且N＞9，特征向量z_i表示訓練雜波樣本的第i個像素的特征向量i＝1,2...N，則訓練數據矩陣Z的大小為9×N；

(1.2)對訓練雜波樣本的第i個像素，根據其極化散射矩陣Sⁱ，得到極化散射向量svⁱ，進而得到協方差矩陣Cⁱ。根據協方差矩陣Cⁱ得到該像素的特征向量z_i，具體表達式如下：

Si=SHHiSHViSVHiSVVi]]>其中，SHVi=SVHi]]>

svi=SHHi2SHViSVViT]]>

Ci=c11ic12ic13ic21ic22ic23ic31ic32ic33i=<svi·(svi)H>=1KΣk=1Ksvi·(svi)H]]>

z_i＝[l₁?l₂?l₃?l₄?l₅?l₆?l₇?l₈?l₉]^T

l1=c11il2=c22il3=c33i]]>

l4=2Re(c12i)l5=2Im(c12i)]]>

l6=2Re(c13i)l7=2Im(c13i)]]>

l8=2Re(c23i)l9=2Im(c23i)]]>

其中，表示極化散射矩陣Sⁱ中元素，指t發射極化方向結合r接收極化方向時的復散射系數，H,V分別表示水平和垂直極化方向，i＝1,2...N；<·>表示空間平均，K表示第i像素的周圍像素的個數，k＝1,2,...,K；表示協方差矩陣Ci的第p行q列的元素，p＝1,2,3；q＝1,2,3；Re(·)和Im(·)表示取復數的實部和虛部。