[發(fā)明專利]SAR目標(biāo)特征精煉表達(dá)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201910454933.0
• 申請(qǐng)日: 2019-05-29
• 公開（公告）號(hào): CN110175618A
• 公開（公告）日: 2019-08-27
• 發(fā)明（設(shè)計(jì)）人: 謝鋒;辛煜;李成;黃河;孫玉娥
• 申請(qǐng)（專利權(quán)）人: 蘇州大學(xué)
• 主分類號(hào): G06K9/46
• 分類號(hào): G06K9/46;G06K9/62
• 代理公司: 蘇州市中南偉業(yè)知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 32257
• 代理人: 曹成俊

本發(fā)明公開了一種SAR目標(biāo)特征精煉表達(dá)方法。本發(fā)明一種SAR目標(biāo)特征精煉表達(dá)方法，包括：首先輸入提取的SAR目標(biāo)特征，有電磁散射特征，局部不變特征如SIFT，灰度共生統(tǒng)計(jì)量，變換特征，然后分別構(gòu)造條件特征集與決策集，決策集由真實(shí)目標(biāo)類別構(gòu)成。于是，決策表通過每張SAR切片圖像依次連接條件集與決策集構(gòu)成。決策表里特征數(shù)多，使用前向貪婪算法得到核特征集。本發(fā)明的有益效果：不需假設(shè)目標(biāo)類內(nèi)分布高斯分布及類內(nèi)協(xié)方差相等，不需要樣本足夠稠密，適應(yīng)于小樣本，只需2個(gè)參數(shù)就可對(duì)所提取SAR目標(biāo)各種特征是否有利于目標(biāo)分類進(jìn)行優(yōu)劣評(píng)判，得到目標(biāo)特征特異性表達(dá)，消減數(shù)據(jù)噪聲與不利于分類的干擾，使得目標(biāo)分類精度得以提高。

技術(shù)領(lǐng)域

本發(fā)明涉及特征提取與表達(dá)領(lǐng)域，具體涉及一種SAR目標(biāo)特征精煉表達(dá)方法。

背景技術(shù)

SAR目標(biāo)特征表達(dá)服務(wù)于目標(biāo)分類識(shí)別等需求，即以目標(biāo)區(qū)分度為評(píng)判，好的特征表達(dá)具有良好的排他性與區(qū)分度，各類目標(biāo)不混淆。為此，針對(duì)特定的SAR圖像，進(jìn)行特征分析與計(jì)算，主要包括散射特征、紋理特征、局部特征等，并由這些特征生成具有區(qū)分度的特定目標(biāo)特征表達(dá)，以利于后續(xù)的分類識(shí)別工作。

與本發(fā)明相關(guān)的現(xiàn)有技術(shù)主要有線性與非線性特征提取方法，包括主成分分析(Principal Component Analysis,PCA)與線性判別分析(Linear DiscriminantAnalysis,LDA)，PCA是搜索信號(hào)重構(gòu)損失最小的線性子空間。LDA是一種有指導(dǎo)特征提取方法，最大化類間散布與類內(nèi)散布的比值獲得全局最優(yōu)。非線性特征提取技術(shù)有基于核方法的PCA或LDA，核方法假設(shè)原始空間中的數(shù)據(jù)可能是非線性的，通過核變換將非線性結(jié)構(gòu)數(shù)據(jù)投影到維度更高的核空間，數(shù)據(jù)有可能成為線性結(jié)構(gòu)。另一類非線性技術(shù)為流形學(xué)習(xí)，數(shù)據(jù)集觀測(cè)空間中的樣本在本征維度上存在較明顯的低維流形典型的方法有等度規(guī)映射算法(Isometric Mapping,ISOMAP)、局部線性嵌入算法(Locally Linear Embedding,LLE)等。

傳統(tǒng)技術(shù)存在以下技術(shù)問題：

現(xiàn)有技術(shù)線性與非線性特征提取方法，PCA并不考慮樣本類別，因此得到的低維特征空間對(duì)于判別分類不是最優(yōu)的。LDA假設(shè)苛刻，現(xiàn)實(shí)世界中的類內(nèi)分布往往不是高斯分布，類內(nèi)協(xié)方差也不相等。核方法中核函數(shù)的選擇與核函數(shù)的參數(shù)設(shè)定是亟待解決的難題，核函數(shù)的選擇多靠人的經(jīng)驗(yàn)主觀選擇，而且計(jì)算代價(jià)非常高。流形學(xué)習(xí)假設(shè)樣本是足夠稠密的，數(shù)據(jù)的空間分布是光滑的。但實(shí)際數(shù)據(jù)集樣本往往不足，稀疏空間中選擇樣本的近鄰顯得意義不大。

發(fā)明內(nèi)容

本發(fā)明要解決的技術(shù)問題是提供一種基于粗糙集的SAR目標(biāo)特征數(shù)字化表達(dá)方法。由于目標(biāo)特征眾多，有散射特征、紋理特征、形狀特征、統(tǒng)計(jì)全局特征，投影變換特征(PCA、SVD)等。而且SAR圖像中目標(biāo)普遍存在縮放、旋轉(zhuǎn)、平移，從眾多特征中找到特定目標(biāo)核特征表達(dá)，克服樣本不足、苛刻的先決條件及參數(shù)多問題，提高后續(xù)目標(biāo)分類與識(shí)別效率。

為了解決上述技術(shù)問題，本發(fā)明提供了一種SAR目標(biāo)特征精煉表達(dá)方法，包括：首先輸入提取的SAR目標(biāo)特征，有電磁散射特征，局部不變特征如SIFT，灰度共生統(tǒng)計(jì)量，變換特征，然后分別構(gòu)造條件特征集與決策集，決策集由真實(shí)目標(biāo)類別構(gòu)成。決策表通過每張SAR切片圖像依次連接條件集與決策集構(gòu)成。決策表里特征數(shù)多，為避免“維數(shù)災(zāi)難”同時(shí)降低計(jì)算復(fù)雜度，使用一個(gè)前向貪婪算法得到核特征集，步驟如下：

步驟1:核特征集R，初始化為空；

步驟2:對(duì)每個(gè)屬于條件集C-R中特征a_k計(jì)算概率

式中,k＝1,2…,C＝{a₁,a₂,…a_k,…}，為(x的描述)屬于D_X(決策值X)的概率，滿足α為置信水平；