[發(fā)明專利]基于多信息字典學(xué)習(xí)的SAR目標(biāo)識別方法

有效

• 申請?zhí)枺?/td>: 201410243072.9
• 申請日: 2014-06-03
• 公開（公告）號: CN104008373B
• 公開（公告）日: 2017-09-01
• 發(fā)明（設(shè)計(jì)）人: 劉宏偉;王英華;齊會嬌;丁軍;杜蘭;糾博;白雪茹;王鵬輝;陳渤
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00
• 代理公司: 西安睿通知識產(chǎn)權(quán)代理事務(wù)所(特殊普通合伙)61218
• 代理人: 惠文軒

1.基于多信息字典學(xué)習(xí)的SAR目標(biāo)識別方法，其特征在于，包括以下步驟：

步驟1，獲取多個(gè)訓(xùn)練用SAR目標(biāo)圖像，分別對多個(gè)訓(xùn)練用SAR目標(biāo)圖像進(jìn)行配準(zhǔn)，得到對應(yīng)的多個(gè)訓(xùn)練用配準(zhǔn)圖像；對每個(gè)訓(xùn)練用配準(zhǔn)圖像進(jìn)行圖像截取，得出對應(yīng)的訓(xùn)練用截取后圖像；根據(jù)所有訓(xùn)練用截取后圖像，得出訓(xùn)練用圖像域幅度信息初始化字典D₁₀；對訓(xùn)練用截取后圖像進(jìn)行二維傅里葉變換，得到對應(yīng)的訓(xùn)練用頻域圖像；根據(jù)所有訓(xùn)練用頻域圖像，得到訓(xùn)練用頻域幅度信息初始化字典D₂₀；

其中，所述步驟1具體包括以下子步驟：

(1.1)獲取多個(gè)訓(xùn)練用SAR目標(biāo)圖像，然后采用質(zhì)心對齊的方式分別對多個(gè)訓(xùn)練用SAR目標(biāo)圖像進(jìn)行配準(zhǔn)，得到對應(yīng)的多個(gè)訓(xùn)練用配準(zhǔn)圖像；將第i個(gè)訓(xùn)練用SAR目標(biāo)圖像對應(yīng)的配準(zhǔn)圖像表示為G_i，i取1至Num，Num為訓(xùn)練用SAR目標(biāo)圖像的個(gè)數(shù)；

對每個(gè)訓(xùn)練用SAR目標(biāo)圖像進(jìn)行配準(zhǔn)的具體過程為：在對應(yīng)的訓(xùn)練用SAR目標(biāo)圖像F中，將幅度值為0的像素點(diǎn)的幅度值改為10^-5，其公式為：

F(x,y)=10-5F(x,y)=0F(x,y)F(x,y)≠0]]>

其中，F(xiàn)(x，y)為對應(yīng)的訓(xùn)練用SAR目標(biāo)圖像F在像素點(diǎn)(x，y)處的幅度值，x、y分別表示像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)；

對訓(xùn)練用SAR目標(biāo)圖像F進(jìn)行對數(shù)變化，得到對應(yīng)的訓(xùn)練用對數(shù)變化后圖像L，訓(xùn)練用對數(shù)變化后圖像L中像素點(diǎn)(x，y)處的幅度值為(x，y)，L(x，y)＝log₁₀(F(x，y))；

對訓(xùn)練用對數(shù)變化后圖像L依次進(jìn)行自適應(yīng)閾值分割、形態(tài)學(xué)濾波、幾何聚類，得出對應(yīng)的訓(xùn)練用目標(biāo)區(qū)域二值圖像T_a；

然后根據(jù)訓(xùn)練用SAR目標(biāo)圖像F中每個(gè)像素點(diǎn)的幅度值以及訓(xùn)練用目標(biāo)區(qū)域二值圖像T_a中每個(gè)像素點(diǎn)的幅度值，得出對應(yīng)的訓(xùn)練用分割后目標(biāo)圖像T；所述訓(xùn)練用分割后目標(biāo)圖像T中像素點(diǎn)(x，y)處的幅度值表示為T(x，y)，T(x，y)的計(jì)算公式為：

T(x，y)＝T_a(x，y)×F(x，y)

由T(x，y)的計(jì)算公式可知，當(dāng)訓(xùn)練用分割后目標(biāo)圖像T中像素點(diǎn)(x，y)位于目標(biāo)區(qū)域時(shí)，T(x，y)＝F(x，y)；否則，T(x，y)＝0；

然后按照以下公式求解訓(xùn)練用分割后目標(biāo)圖像T的質(zhì)心

x‾=Σx=1Mx·T(x,y)Σx=1MT(x,y)]]>

y‾=Σy=1Ny·T(x,y)Σy=1NT(x,y)]]>

其中，x取1至M，y取1至N；M、N分別為訓(xùn)練用分割后目標(biāo)圖像T的縱向尺寸和橫向尺寸；

然后以訓(xùn)練用分割后目標(biāo)圖像T的質(zhì)心作為對應(yīng)訓(xùn)練用SAR目標(biāo)圖像的中心，對對應(yīng)的訓(xùn)練用SAR目標(biāo)圖像進(jìn)行配準(zhǔn)，得到對應(yīng)的訓(xùn)練用配準(zhǔn)圖像；

(1.2)在每個(gè)訓(xùn)練用配準(zhǔn)圖像中截取尺寸為p×q的矩形中心區(qū)域，得到對應(yīng)的訓(xùn)練用截取后圖像，p、q分別表示截取的矩形中心區(qū)域的縱向尺寸和橫向尺寸；每個(gè)訓(xùn)練用截取后圖像的中心點(diǎn)為對應(yīng)的訓(xùn)練用分割后目標(biāo)圖像T的質(zhì)心；將第i個(gè)訓(xùn)練用配準(zhǔn)圖像G_i對應(yīng)的訓(xùn)練用截取后圖像記為圖像G_i′；

在每個(gè)訓(xùn)練用截取后圖像中，提取出所有像素點(diǎn)的幅度值，將提取出的所有像素點(diǎn)的幅度值組成對應(yīng)的訓(xùn)練用圖像域幅度信息向量；第i個(gè)訓(xùn)練用截取后圖像G_i′對應(yīng)的訓(xùn)練用圖像域幅度信息向量表示為d_i；然后利用d₁至d_Num組成訓(xùn)練用圖像域幅度信息矩陣H，H＝[d₁，d₂，...，d_Num]；

針對訓(xùn)練用圖像域幅度信息矩陣H，按照每隔t列抽取一列的方法得到訓(xùn)練用圖像域幅度信息初始化字典D₁₀，t為大于0的自然數(shù)；

(1.3)將每個(gè)訓(xùn)練用截取后圖像進(jìn)行二維傅里葉變換，得到對應(yīng)的訓(xùn)練用頻域圖像；第i個(gè)訓(xùn)練用截取后圖像G_i′對應(yīng)的頻域圖像表示為圖像Q_i；

在第i個(gè)訓(xùn)練用頻域圖像Q_i中，提取出所有像素點(diǎn)的幅度值，將提取出的所有像素點(diǎn)的幅度值組成對應(yīng)的訓(xùn)練用頻域幅度信息向量；第i個(gè)訓(xùn)練用頻域圖像Q_i對應(yīng)的訓(xùn)練用頻域幅度信息向量表示為p_i；然后利用p₁至p_Num組成訓(xùn)練用頻域幅度信息矩陣P，P＝[p₁，p₂，...，p_Num]；

針對訓(xùn)練用頻域幅度信息矩陣P，按照每隔t列抽取一列的方法得到訓(xùn)練用頻域幅度信息初始化字典D₂₀；

步驟2，分別對訓(xùn)練用圖像域幅度信息初始化字典D₁₀和訓(xùn)練用頻域幅度信息初始化字典D₂₀進(jìn)行能量歸一化處理，得到訓(xùn)練用圖像域幅度信息歸一化后初始化字典以及訓(xùn)練用頻域幅度信息歸一化后初始化字典根據(jù)訓(xùn)練用圖像域幅度信息歸一化后初始化字典以及訓(xùn)練用頻域幅度信息歸一化后初始化字典通過鑒別字典學(xué)習(xí)得出學(xué)習(xí)后圖像域幅度信息字典D₁和學(xué)習(xí)后頻域幅度信息字典D₂；

其中，所述步驟2包括以下子步驟：

(2.1)首先按照以下公式分別對訓(xùn)練用圖像域幅度信息初始化字典D₁₀和訓(xùn)練用頻域幅度信息初始化字典D₂₀進(jìn)行能量歸一化處理：

d‾n10=dn10||dn10||2,d‾n20=dn20||dn20||2]]>

其中，表示D₁₀中的第n列向量，表示D₂₀中的第n列向量，n取1至N′，N′為D₁₀或D₂₀的尺寸，||·||₂為l₂范數(shù)；

然后，利用至組成訓(xùn)練用圖像域幅度信息歸一化后初始化字典利用至組成訓(xùn)練用頻域幅度信息歸一化后初始化字曲

(2.2)根據(jù)訓(xùn)練用圖像域幅度信息歸一化后初始化字典訓(xùn)練用頻域幅度信息歸一化后初始化字典訓(xùn)練用圖像域幅度信息矩陣H以及訓(xùn)練用頻域幅度信息矩陣P，采用LC-KSVD方法通過鑒別字典學(xué)習(xí)得出學(xué)習(xí)后圖像域幅度信息字典D₁和學(xué)習(xí)后頻域幅度信息字典D₂；

其中，LC-KSVD方法的模型表達(dá)式為：

<Dk,Fk,Xk>=argminDk,F,Xk||Yk-DkXk||22+α||Qk-FkXk||22s.t.∀i,||xik||0≤S,]]>

其中，k取1至K，K表示目標(biāo)信息的種類數(shù)，K＝2；Y_k表示訓(xùn)練樣本的第k種信息矩陣，Y₁具體為訓(xùn)練用圖像域幅度信息矩陣H，Y₂具體為訓(xùn)練用頻域幅度信息矩陣P；D_k表示第k種信息字典，第1種信息字典D₁具體為學(xué)習(xí)后圖像域幅度信息字典，第2種信息字典D₂具體為學(xué)習(xí)后頻域幅度信息字典；X_k表示Y_k對應(yīng)的稀疏系數(shù)矩陣；Q_k表示第k種稀疏編碼矩陣；F_k表示第k種線性變換矩陣；α表示用于調(diào)整重構(gòu)誤差和可鑒別稀疏編碼誤差之間的權(quán)重；S表示設(shè)定的稀疏度；||·||₂表示l₂范數(shù)，||·||₀表示l₀范數(shù)；

步驟3，對測試用SAR目標(biāo)圖像進(jìn)行配準(zhǔn)，得到測試用配準(zhǔn)圖像Q；對測試用配準(zhǔn)圖像Q進(jìn)行圖像截取，得出測試用截取后圖像Q′；根據(jù)所述測試用截取后圖像Q′，得出測試用圖像域幅度信息向量y₁；對所述測試用截取后圖像Q′進(jìn)行二維傅里葉變換，得到測試用頻域圖像P′；根據(jù)所述測試用頻域圖像P′，得出測試用頻域幅度信息向量y₂；

步驟4，分別對測試用圖像域幅度信息向量y₁和測試用頻域幅度信息向量y₂進(jìn)行能量歸一化處理，得到測試用圖像域幅度信息歸一化向量以及測試用頻域幅度信息歸一化向量根據(jù)學(xué)習(xí)后圖像域幅度信息字典D₁和學(xué)習(xí)后頻域幅度信息字典D₂，采用聯(lián)合動(dòng)態(tài)稀疏表示模型，對測試用圖像域幅度信息歸一化向量測試用頻域幅度信息歸一化向量進(jìn)行稀疏求解，利用求解得到的測試用稀疏系數(shù)矩陣對測試用SAR目標(biāo)圖像進(jìn)行重構(gòu)，并根據(jù)重構(gòu)誤差最小化原則得到最終的分類結(jié)果；

在步驟4中，在得出測試用圖像域幅度信息歸一化向量以及測試用頻域幅度信息歸一化向量之后，將測試用圖像域幅度信息歸一化向量測試用頻域幅度信息歸一化向量學(xué)習(xí)后圖像域幅度信息字典D₁以及學(xué)習(xí)后頻域幅度信息字典D₂輸入到聯(lián)合動(dòng)態(tài)稀疏表示模型中，求解得出測試用稀疏系數(shù)矩陣X^test，分別表示測試用稀疏系數(shù)矩陣X^test的第1列和第2列；

在得出測試用稀疏系數(shù)矩陣X^test之后，在列向量中，將與第j類目標(biāo)對應(yīng)的位置處的元素保留，將其他元素的取值變?yōu)?，得出列向量j取1至J，J為所有訓(xùn)練用SAR目標(biāo)圖像包含的目標(biāo)類別數(shù)；

然后建立如下分類表達(dá)式：

y^k=Dkδj(Xktest)]]>

j^=arg minjΣk=12wk||y‾k-y^k||22]]>

其中，||·||₂為l₂范數(shù)，k取1至2，w_k為y_k的設(shè)定權(quán)重，w₁+w₂＝1；代表測試用SAR目標(biāo)圖像中的目標(biāo)類別。