[發明專利]一種目標識別方法

有效

• 申請號: 201410743344.1
• 申請日: 2014-12-08
• 公開（公告）號: CN104463245B
• 公開（公告）日: 2018-10-26
• 發明（設計）人: 皮亦鳴;曹宗杰;徐黎媛;李晉;閔銳;范錄宏;楊曉波
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/66
• 分類號: G06K9/66
• 代理公司: 成都點睛專利代理事務所(普通合伙) 51232
• 代理人: 葛啟函

本發明實施例公開一種目標識別方法，應用于雷達目標識別領域，能夠避免目標信息丟失以及方位角對識別結果的過大影響。該方法包括：利用獨立同分布高斯隨機矩陣，對訓練樣本和測試樣本進行降維。將降維后的每一個訓練樣本稱為一個原子，降維后的訓練樣本集稱為字典。針對每一幅目標圖像，降維后，從訓練樣本中挑選用于稀疏表示的原子，使其可以最大可能的重構目標圖像原子。然后將不同方位角的目標圖像作為一個整體，通過自適應方法，將稀疏表示每一幅圖像的原子提取出來，構成局部自適應字典。通過聯合稀疏表示方法，計算賦給局部自適應原子中的各原子的系數值，將目標圖像集聯合稀疏重構出來。最后，通過各個類別中參與聯合稀疏表示的原子的貢獻度，得到測試目標的類別。本發明的實施例應用于訓練集相對完備，目標圖像數量有限且方位角參數不確定的情況下。

技術領域

本發明涉及雷達目標識別技術領域，尤其涉及一種目標識別方法。

背景技術

信號處理技術常常需要通過更有效的表示來捕獲信號的特征，對識別來說，表示方法需要突出顯著特征，對去噪來說，表示方法需要有效的分離信號和噪聲，對壓縮來說，表示方法需要用少量的系數來描述大部分的信號。這些應用看似目的不同，但都有一個共同的目標就是簡化信號表示，即稀疏化。Chen S等人提出了冗余字典上的稀疏表示方法。Elad M,Protter M,Bryt O等研究人員使用稀疏表示方法，在基礎的信號和圖像處理中取得了目前最好的效果。研究表明測試樣本能夠被表示(或逼近)成訓練樣本的線性組合，而且這些組合系數是稀疏的，也就是說大部分系數是0，或接近0。為了進一步提高目標的識別率，提高目標信息的利用率，Haichao Zhang等人在傳統的稀疏表示方法基礎上，提出聯合稀疏表示方法。將相近方位角的目標圖像聯合形成測試樣本集，利用稀疏表示原理，由訓練原子將測試樣本集聯合稀疏表示出來。

傳統的稀疏表示方法，使用獨立的目標圖像進行目標識別，不能充分利用目標信息，而聯合稀疏表示方法將相近方位的目標圖像聯合起來用于目標識別，相比之下，增加了目標信息量，提高了識別率，然而該方法存在較大的局限性。由于雷達圖像對目標姿態敏感的特征，聯合稀疏表示的目標圖像之間，方位角間隔不能過大，否則會導致干擾信息增加，識別率下降。

發明內容

本發明實施例提供一種目標識別方法，解決了現有技術因方位角間隔過大導致干擾增加識別率下降的缺陷。

本發明的第一方面提供一種目標識別方法，包括：選擇訓練樣本，通過獨立同分布高斯隨機矩陣對訓練樣本和測試樣本降維；針對每一個所述測試樣本，采用所述同分布高斯隨機矩陣進行降維，得到測試原子，當稀疏度一定時，從訓練字典中選擇可以最大程度稀疏重構出測試樣本的訓練原子集合；選取目標不同方位的圖像合成測試樣本集，使用自適應方法將與所述測試樣本集中每一個樣本對應的訓練原子從訓練字典中提取出來，并將所有提取出來的原子合并起來，構成局部自適應字典，利用所述局部自適應字典，獲得目標圖像集聯合稀疏表示；根據最小重構錯誤準則，判斷目標類別。

根據第一方面，在第一種可能的實現方式中，所述針對每一個所述測試樣本，得到訓練樣本集中選擇最大程度稀疏重構出測試樣本的原子包括：將稀疏度K作為限制條件時，||x||＜K，其中范數可以為1范數或者0范數。

根據第一方面，在第二種可能的實現方式中，所述得到訓練樣本集中選擇最大程度稀疏重構出測試樣本的原子包括：匹配追蹤。

根據第一方面的第二種可能的實現方式，在第三種可能的實現方式中，所述匹配追蹤包括：計算測試原子與訓練字典中各原子的內積，選擇絕對值最大的一個原子，它就是與測試樣本在本次迭代中最匹配的；將測試樣本分解為在最匹配原子方向的投影部分和殘差部分，將殘差部分分解為最匹配原子方向的投影和殘差部分投影，更新殘差部分，直到獲得較小的殘差值或者一定數量的匹配原子。

根據第一方面的第二種可能的實現方式，在第四種可能的實現方式中，所述得到訓練樣本集中選擇最大程度稀疏重構出測試樣本的原子還包括：在分解的每一步對所選擇的全部原子進行正交化處理。