[發(fā)明專利]一種群智優(yōu)化SAR雷達(dá)海上艦船目標(biāo)識別系統(tǒng)

在審

• 申請?zhí)枺?/td>: 201810457332.0
• 申請日: 2018-05-14
• 公開（公告）號: CN108629382A
• 公開（公告）日: 2018-10-09
• 發(fā)明（設(shè)計(jì)）人: 劉興高;吳俊
• 申請（專利權(quán)）人: 浙江大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06T7/136;G06T7/194
• 代理公司: 杭州求是專利事務(wù)所有限公司 33200
• 代理人: 邱啟旺

本發(fā)明公開了一種群智優(yōu)化SAR雷達(dá)海上艦船目標(biāo)識別系統(tǒng)，包括SAR雷達(dá)、數(shù)據(jù)庫以及上位機(jī)；SAR雷達(dá)、數(shù)據(jù)庫、上位機(jī)依次相連，所述SAR雷達(dá)對海域進(jìn)行實(shí)時(shí)監(jiān)測，并將SAR雷達(dá)獲得的圖像數(shù)據(jù)存儲(chǔ)到所述的數(shù)據(jù)庫中，所述的上位機(jī)包括圖像預(yù)處理模塊、特征提取模塊、特征選擇模塊、分類器訓(xùn)練模塊、群智優(yōu)化模塊以及結(jié)果顯示模塊。本發(fā)明提供一種實(shí)現(xiàn)在線識別、精度高的海上艦船目標(biāo)識別系統(tǒng)。

技術(shù)領(lǐng)域

本發(fā)明涉及雷達(dá)數(shù)據(jù)處理領(lǐng)域，特別地，涉及一種群智優(yōu)化SAR雷達(dá)海上艦船目標(biāo)識別系統(tǒng)。

背景技術(shù)

近年來，利用SAR圖像進(jìn)行海洋目標(biāo)檢測與監(jiān)視的研究在海洋遙感領(lǐng)域得到高度重視，成為SAR數(shù)據(jù)最重要的海洋應(yīng)用之一。目前國際上已經(jīng)發(fā)展了眾多的星載SAR、機(jī)載SAR，獲得了越來越多的SAR圖像數(shù)據(jù)。當(dāng)海量的SAR圖像用于海洋目標(biāo)檢測時(shí)，為及時(shí)有效地發(fā)現(xiàn)和提取目標(biāo)信息，需要開展自動(dòng)檢測算法及檢測系統(tǒng)方面的研究。利用SAR的遙感觀測范圍廣、觀測周期短、數(shù)據(jù)時(shí)效強(qiáng)、空間分辨率高、全天候和全天時(shí)等優(yōu)點(diǎn)，針對SAR圖像進(jìn)行艦船的檢測、監(jiān)視，分析艦船的位置、面積、航向及航速等重要參數(shù)，是在不同氣象條件下監(jiān)測海洋目標(biāo)的自動(dòng)化手段。其中基于SAR圖像的艦船目標(biāo)檢測已經(jīng)有了廣泛的研究，而艦船目標(biāo)分類識別由于SAR圖像分辨率的限制才剛剛起步，已有的一些研究成果也由于研究不夠透徹，模型的效果并不是很好。因此，積極開展基于高分辨率SAR圖像的艦船目標(biāo)分類識別研究具有極其重大的意義。

發(fā)明內(nèi)容

為了克服目前基于SAR圖像的海上艦船目標(biāo)識別準(zhǔn)確率不高的不足，本發(fā)明的目的在于提供一種實(shí)現(xiàn)實(shí)時(shí)分析的群智優(yōu)化SAR雷達(dá)海上艦船目標(biāo)識別系統(tǒng)。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：一種群智優(yōu)化SAR雷達(dá)海上艦船目標(biāo)識別系統(tǒng)，包括SAR雷達(dá)、數(shù)據(jù)庫以及上位機(jī)，SAR雷達(dá)、數(shù)據(jù)庫和上位機(jī)依次相連，所述SAR雷達(dá)對海域進(jìn)行實(shí)時(shí)監(jiān)測，并將SAR雷達(dá)獲得的圖像數(shù)據(jù)存儲(chǔ)到所述的數(shù)據(jù)庫中，所述的上位機(jī)包括：

圖像預(yù)處理模塊，用以進(jìn)行SAR雷達(dá)圖像數(shù)據(jù)預(yù)處理，采用如下過程完成：

1)從數(shù)據(jù)庫中傳來的SAR圖像灰度級為L,f(x₀,y₀)為像素點(diǎn)(x₀,y₀)處的灰度值，g(x₀,y₀)為像素點(diǎn)(x₀,y₀)的N×N鄰域內(nèi)像素的平均值，其中x₀,y₀分別表示像素點(diǎn)的橫坐標(biāo)和縱坐標(biāo)；

2)通過計(jì)算滿足f＝m和g＝n的像素?cái)?shù)目h(m,n)，得到二維聯(lián)合概率密度p_mn：

p_mn＝p(m,n)＝h(m,n)/M

其中，M表示圖像像素的總數(shù)目；

3)計(jì)算二維直方圖的均值向量μ：

4)分別計(jì)算圖像中目標(biāo)和背景出現(xiàn)的概率P_0,1和均值向量μ_0,1：

其中，t、s、下標(biāo)0、下標(biāo)1分別表示f分割閾值、g分割閾值、目標(biāo)區(qū)域、背景區(qū)域；

5)計(jì)算類間方差BCV：

BCV＝P₀(μ₀-μ)(μ₀-μ)′+P₁(μ₁-μ)(μ₁-μ)′；