[發明專利]一種基于多方位多特征協同表示的SAR目標識別方法

有效

• 申請號: 201811148970.0
• 申請日: 2018-09-29
• 公開（公告）號: CN109344767B
• 公開（公告）日: 2021-09-28
• 發明（設計）人: 張新征;劉苗苗;王娟;伍志林;劉書君;周喜川
• 申請（專利權）人: 重慶大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 重慶博凱知識產權代理有限公司 50212
• 代理人: 黃河

1.一種基于多方位多特征協同表示的SAR目標識別方法，其特征在于，包括如下步驟：

(1)針對多類不同的已知雷達目標，分別采集多個已知雷達目標的多個方位的SAR圖像作為訓練樣本，分別提取各個訓練樣本的PCA特征、小波特征及2DSZMs特征，從而由各個類別各個訓練樣本的PCA特征、小波特征及2DSZMs特征的集合構成訓練樣本集X_u×v，u表示樣本的維數，v表示訓練樣本集中訓練樣本的總個數，基于訓練樣本集X_u×v構建特征字典{D^k}_k＝1,2,3，k為特征類型索引；SAR圖像的2DSZMs特征是指SAR圖像的2D-Slice Zernikemoments特征矢量；

(2)針對待測雷達目標，采集待測雷達目標的多個方位的SAR圖像作為測試樣本，分別提取各個測試樣本的PCA特征、小波特征及2DSZMs特征，從而由各個測試樣本的PCA特征、小波特征及2DSZMs特征的集合構成測試樣本集Y_u×w，w表示測試樣本集中測試樣本的總個數，測試樣本集Y_u×w中任意一個測試樣本可表示為{y^k}_k＝1,2,3；

(3)將測試樣本集中的一個測試樣本作為中心測試樣本m為中心測試樣本的索引號，將中心測試樣本及中心測試樣本方位鄰域內的測試樣本作為多方位鄰域測試樣本集，中心測試樣本相鄰η度的扇區范圍即為中心測試樣本的方位鄰域，則度數在[c-η,c+η]范圍內的測試樣本即是中心測試樣本方位鄰域內的測試樣本，c為中心測試樣本的角度，多方位鄰域測試樣本集表示為p為中心測試樣本上半方位角扇區內的測試樣本個數，q為中心測試樣本下半方位角扇區內的測試樣本個數；

(4)將多方位鄰域測試樣本集中的每個多方位鄰域測試樣本線性表示；其中，多方位鄰域測試樣本集中的多方位鄰域測試樣本可線性表示為：

其中，表示特征k下的第τ類子字典，N為總類別數，表示第i個測試樣本關于子字典的表示系數子向量，表示特征k下的隨機誤差；

(5)利用訓練樣本集中的各個訓練樣本及線性表示的多方位鄰域測試樣本線建立測試樣本集的多方位多特征協同表示分類模型；其中，多方位多特征協同表示分類模型表示為：其中，B^k為系數子向量集，為多方位多特征協同表示正則化參數；

(6)利用多方位多特征協同表示分類模型分別計算PCA特征、小波特征及2DSZMs特征的臨時類標簽；具體包括如下步驟：

1)求多方位多特征協同表示分類模型的解析解其中I表示單位矩陣；

2)基于多方位多特征協同表示分類模型的解析解求出中心測試樣本方位鄰域內的測試樣本的表示誤差集合其中，

3)計算中心測試樣本的臨時類標簽其中，即是

(7)根據PCA特征、小波特征及2DSZMs特征的臨時類標簽進行多特征投票，得到所述中心測試樣本的最終類標簽，實現對待測雷達目標的識別。

2.如權利要求1所述的基于多方位多特征協同表示的SAR目標識別方法，其特征在于，所述步驟(7)包括如下步驟：

臨時類標簽屬于第h類的可能性為則多特征投票準則為令中心測試樣本的最終類標簽為表示表示多特征投票準則的結果。