[發(fā)明專利]一種多源特征融合的SAR圖像自動目標識別方法有效
| 申請?zhí)枺?/td> | 201710312180.0 | 申請日: | 2017-05-05 |
| 公開(公告)號: | CN107239740B | 公開(公告)日: | 2019-11-05 |
| 發(fā)明(設計)人: | 李波;李長軍;李輝 | 申請(專利權(quán))人: | 電子科技大學 |
| 主分類號: | G06K9/00 | 分類號: | G06K9/00;G06K9/34;G06K9/52;G06K9/62 |
| 代理公司: | 電子科技大學專利中心 51203 | 代理人: | 周劉英 |
| 地址: | 611731 四川省成*** | 國省代碼: | 四川;51 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 方法提取 峰值特征 目標識別 特征融合 投影圖像 傅里葉 矩特征 多源 級聯(lián) 余弦 自動目標識別 讀取 標準化處理 二維平面 匹配算法 瑞利分布 三維模型 特征維數(shù) 系統(tǒng)開銷 制導控制 姿態(tài)變化 不變矩 分類器 魯棒性 融合 概率 可用 魯棒 雜波 檢測 | ||
本發(fā)明公開了一種多源特征融合的SAR圖像目標識別方法,主要解決目標大小、方位、旋轉(zhuǎn)等變化以及強雜波背景給目標識別帶來的嚴重影響而造成識別結(jié)果不魯棒和概率低等問題。本發(fā)明結(jié)合余弦傅里葉矩特征和峰值特征各自的優(yōu)勢,對提取的兩類特征進行級聯(lián)融合識別。其方案為:讀取不同目標的SAR圖像和三維模型的二維平面的投影圖像并標準化處理;采用余弦傅里葉不變矩方法提取1中投影圖像矩特征;采用瑞利分布的CFAR檢測方法提取SAR圖像峰值特征;利用結(jié)合SVM和匹配算法的級聯(lián)融合分類器對目標進行識別。本發(fā)明能有效提高在特征維數(shù)高和姿態(tài)變化下的目標準確識別精度和魯棒性,而不額外增加對制導控制系統(tǒng)開銷,可用于提高SAR圖像中的自動目標準確識別概率。
技術(shù)領(lǐng)域
本發(fā)明屬于雷達目標識別技術(shù)領(lǐng)域,尤其涉及一種SAR圖像多源特征融合的自動目標識別方法。可用于SAR圖像的目標分類與識別。
背景技術(shù)
合成孔徑雷達(Synthetic Aperture Radar,SAR)作為一種主動式微波成像傳感器,應用于主動雷達導引頭,具有全天候,全天時的探測能力,在復雜戰(zhàn)場環(huán)境中具有較強的自主性和抗干擾能力。但是受SAR成像分辨率較低,圖像扭曲和包含背景等嚴重影響給目標識別帶來了嚴峻挑戰(zhàn)。
目前關(guān)于原始SAR圖像通過多源特征融合,增加目標信息利用率,克服單源傳感器對目標信息獲取的片面性,提升自動目標圖像識別精度和魯棒研究既是難點也是熱點。一方面由于原始SAR圖像對方位角等參數(shù)敏感,將不同視角圖像融合為一幅獨立圖像效果并不理想。另一方面不同類別的特征融合本身就十分困難,因此多源特征融合的目標識別方法需要進一步探索和研究。
發(fā)明內(nèi)容
本發(fā)明的發(fā)明目的在于:針對目標大小,方位,旋轉(zhuǎn)等變化以及強雜波背景給目標識別帶來的嚴重影響,提出將目標三維模型投影到二維平面,采用余弦傅里葉不變矩和瑞利分布的CFAR檢測方法分別對其余弦傅里葉矩和峰值特征進行提取,并利用級聯(lián)融合分類器對目標進行特征級融合識別,實現(xiàn)了在特征維數(shù)高和姿態(tài)變化下的目標識別,而不額外增加對制導控制系統(tǒng)開銷。本發(fā)明具有識別實時性好,識別結(jié)果魯棒性強和識別精度高等特點。
本發(fā)明的技術(shù)方案包括如下:
一、方案思路
采用余弦傅里葉矩和瑞利分布的CFAR檢測方法分別對目標投影后的二維圖像和原始SAR圖像進行特征提取,構(gòu)建目標圖像的矩和峰值特征向量的級聯(lián)融合分類器,實現(xiàn)多源特征融合在目標特征維數(shù)高和姿態(tài)變化下目標識別的目的。
二、實現(xiàn)步驟
本發(fā)明提出的一種多源特征融合的原始SAR圖像自動目標識別方法,包括如下步驟:
步驟S1:輸入不同目標的原始SAR圖像作為練樣本集,并對訓練樣本集進行預處理:
S101:基于目標三維外形仿真數(shù)據(jù),建立原始SAR圖像的目標三維形狀模型,并將所述三維模型投影到二維平面,得到笛卡爾坐標下的二維圖像f(x,y),并對圖像f(x,y)進行標準化處理,得到標準化后的圖像f(m,n),以及計算圖像f(m,n)的極坐標圖像,得到模型投影極坐標圖像f(r,θ);
S102:對原始SAR圖像進行二值化處理后,再進行邊緣檢測,得到邊緣圖像,再將邊緣圖像從笛卡爾坐標變換到極坐標,得到SAR極坐標圖像f′(r′,θ′),其中邊緣檢測可以是慣用的任一方法,例如梯度邊緣檢測算法。
S103:對原始SAR圖像進行目標切片處理,得到原始SAR圖像目標切片。
步驟S2:采用余弦傅里葉矩特征提取方法,分別對訓練樣本集的模型投影極坐標圖像f(r,θ)、極坐標形式圖像f′(r′,θ′)進行矩特征提取,得到訓練樣本的矩特征。
步驟S3:對訓練樣本集的原始SAR圖像目標切片進行峰值特征提取。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于電子科技大學,未經(jīng)電子科技大學許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201710312180.0/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類





