[發明專利]一種結合稀疏特征選擇的SAR目標鑒別方法

在審

• 申請號: 201410446516.9
• 申請日: 2014-09-03
• 公開（公告）號: CN104200229A
• 公開（公告）日: 2014-12-10
• 發明（設計）人: 杜蘭;王斐;李莉玲;劉宏偉
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06T5/50
• 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

技術領域

本發明屬于雷達自動目標識別領域，涉及目標識別中目標鑒別方法的研究，尤其涉及一種結合稀疏特征選擇的SAR目標鑒別方法。

背景技術

合成孔徑雷達SAR可以提供目標高分辨率圖像，且SAR成像不受天氣、光照等條件限制，因而廣泛應用于軍事偵察等領域，其中基于SAR圖像的自動目標識別技術是重要的研究課題之一。SAR圖像自動目標識別通常采用美國林肯實驗室的三級處理流程：檢測階段、鑒別階段、識別階段。首先，對整幅SAR圖像進行像素級檢測，剔除明顯不是目標的區域，得到疑似目標區域；然后，對疑似目標區域提取鑒別特征，利用鑒別特征剔除自然雜波區域、明顯大于或小于目標的人造雜波區域；最后，對鑒別階段保留下來的目標區域進行目標分類和識別。

在鑒別階段，現有文獻提出了大量SAR目標鑒別特征，雖然理論上每個特征的提出都基于一定的物理意義，反映著目標和雜波的散射強弱、結構大小等信息，但是并不是每個特征都具有很強的可鑒別性，甚至有些特征聯合作用會得到相反的鑒別效果。如果將提取的特征全部用于目標鑒別，很容易造成信息冗余和維數災難，不僅會增大計算量，還嚴重影響鑒別性能。因此，目標鑒別階段通常細化分為鑒別特征提取、鑒別特征降維以及鑒別器設計三個方面。現有文獻大多采用特征選擇的方法達到特征降維的目的，特征選擇方法如窮舉法、遺傳算法等，旨在搜索尋找最優特征組合。但是在實際中，對于高維SAR鑒別特征而言，窮舉法運算量太大而不可取，遺傳算法要想取得全局最優解，其運算量也幾乎等效于窮舉法。從減少計算量、提高鑒別器性能的角度考慮，可以采用監督降維方法，如Fisher線性判決分析(Fisher?discriminant?analysis,FDA)等。但是，雖然監督降維方法可以把原始高維特征投影變換為低維投影特征，并保證該投影特征的可分性，但是監督降維如FDA得到的投影特征仍然是全部特征的組合，因而只能消弱而不是消除無效特征、冗余特征對鑒別的負面影響。

發明內容

針對上述現有技術的不足，本發明提出了一種結合稀疏特征選擇的SAR目標鑒別方法。本發明通過在投影降維模型中增加l₁范數稀疏約束，把特征選擇融合到最優投影向量的求解中，得到了最優特征組合的最優投影特征，消除了無效特征、冗余特征在鑒別中的負面影響，提高了目標鑒別性能。

為達到上述目的，本發明采用以下技術方案予以實現。

一種結合稀疏特征選擇的SAR目標鑒別方法，其特征在于，包括以下步驟：

步驟1，取N個SAR訓練圖像，其中，N個SAR訓練圖像包括N₁個含目標的SAR訓練圖像和N₂個含雜波的SAR訓練圖像，N、N₁和N₂分別為自然數，并且N₁+N₂＝N；

對N個SAR訓練圖像中第j個SAR訓練圖像S_j依次進行對數變換、自適應閾值分割、形態學濾波，得到二值圖像F_j，j大于等于1并且小于等于N；

步驟2，通過二值圖像F_j中的像素幅值連續為1的像素區域進行幾何聚類來判斷二值圖像F_j是否包含疑似目標區域T_j；

如果二值圖像F_j不包含疑似目標區域T_j，則丟棄第j個SAR訓練圖像S_j；

如果二值圖像F_j包含疑似目標區域T_j，從疑似目標區域T_j中提取p個特征，將p個特征組成訓練樣本x_j，訓練樣本x_j是維度大小為p×1的列向量，p表示特征數目，j大于等于1并且小于等于N；

步驟3，根據步驟1至步驟2，從N₁個含目標的SAR訓練圖像中得到n₁個目標的訓練樣本，從N₂個含雜波的SAR訓練圖像中得到n₂個雜波的訓練樣本；n₁≤N₁，n₂≤N₂，N₁為目標的SAR訓練圖像總數，N₂為雜波的SAR訓練圖像總數；