[發明專利]基于Attribute的極窄脈沖雷達船只目標鑒別方法

有效

• 申請號: 202010536147.8
• 申請日: 2020-06-12
• 公開（公告）號: CN111767806B
• 公開（公告）日: 2023-05-05
• 發明（設計）人: 龍騰;李楓;李姍;李陽;姚迪
• 申請（專利權）人: 北京理工大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/26;G06V10/50;G06V10/764;G06V10/774;G06V10/77
• 代理公司: 北京理工大學專利中心 11120
• 代理人: 高會允

本發明公開了基于Attribute的極窄脈沖雷達船只目標鑒別方法，其過程可控制，得到的中層特征分辨性更強，進一步提高了船只目標鑒別的魯棒性。對極窄脈沖雷達圖像中的艦船目標進行分割，得到艦船目標的分割圖像作為訓練圖像。提取訓練圖像的低層特征。根據屬性Attribute的重構性、高判別性和高預測性三個性質，構建屬性中層特征與低層特征的映射模型；并利用映射模型將訓練圖像的低層特征映射至屬性中層特征。構建SVM分類器，以訓練圖像的屬性中層特征作為輸入，對SVM分類器進行訓練，得到訓練好的SVM分類器用于極窄脈沖雷達船只目標鑒別。

技術領域

本發明涉及船只目標鑒別技術領域，具體涉及基于Attribute的極窄脈沖雷?達船只目標鑒別方法。

背景技術

近年來，利用雷達遙感圖像，進行船只檢測與鑒別在海洋遙感應用領域得?到了高度重視。雷達能夠全天時、全天候對大范圍海洋區域進行觀測，是進行?大范圍海域船只鑒別的有效手段之一。

隨著各種雷達系統的研究和大規模投入使用，我國在利用雷達圖像進行海?洋監測的應用領域開展了一系列深入的研究。如國防科技大學，高貴等，提出?利用目標峰值序列的特性及其特征提取的方法進行雷達圖像目標鑒別；中國海?洋大學，張晰等，通過考慮雷達船只結構特征，提出了采用船只的長寬、峰值?等初級特征，及多極化信息分析了船只的散射特征，從而實現船只的分類鑒別。?在船只鑒別領域，特征提取大都采用外觀幾何結構、電磁散射等各種初級圖像?描述特征。在極窄脈沖雷達圖像中，方向梯度直方圖(Histogram?of?Oriented?Gradient,HOG)特征效果良好。

目前船只鑒別存在兩個問題，一是船只目標在自身姿態和幾何形態以及雷?達參數發生變化時，其在雷達圖像中的屬性就會隨之發生變化，那么基于圖像?層提取的HOG特征等必然存在類內變化大的問題。魯棒性不強，影響鑒別精度。?二是雷達船只圖像樣本少。為保證鑒別的準確性，鑒別系統必須要獲得船只目?標在各種姿態、各種幾何形狀和所有雷達參數下的目標特征，這就需要雷達船?只圖像能表示實際會出現的各種成像情況，而現有的雷達船只圖像遠遠達不到?這種需求。

相比與低層特征，對于極窄脈沖雷達船只目標來說，中層特征可以穩定地?描述目標，盡量不受外界的影響，中層語義特征縮小了低層特征與高層特征之?間的語義鴻溝。詞包(Bag?of?Words,BoW)模型就是獲得圖像的中層語義特征的?一種簡單有效的方法，但是詞包學習是一種非監督學習方法，不能控制得到中?層特征的過程。

因此目前亟需一種過程可控的中層語義特征的獲取方法，以提高船只目標?鑒別的魯棒性。

發明內容

有鑒于此，本發明提供了基于Attribute的極窄脈沖雷達船只目標鑒別方法，?其過程可控制，得到的中層特征分辨性更強，進一步提高了船只目標鑒別的魯?棒性。

為達到上述目的，本發明的技術方案為：

對極窄脈沖雷達圖像中的艦船目標進行分割，得到艦船目標的分割圖像作?為訓練圖像。

提取訓練圖像的低層特征。

根據屬性Attribute的重構性、高判別性和高預測性三個性質，構建屬性中?層特征與低層特征的映射模型；并利用映射模型將訓練圖像的低層特征映射至?屬性中層特征。

構建SVM分類器，以訓練圖像的屬性中層特征作為輸入，對SVM分類器進?行訓練，得到訓練好的SVM分類器用于極窄脈沖雷達船只目標鑒別。

進一步地，對極窄脈沖雷達圖像中的艦船目標進行分割，得到艦船目標的?分割圖像作為訓練圖像，具體為：使用Radon變換處理極窄脈沖雷達圖像，確?定艦船目標的船只主軸，并將艦船目標從極窄脈沖雷達圖像的海雜波背景中分?割出來，得到艦船目標的分割圖像作為訓練圖像。

進一步地，對極窄脈沖雷達圖像中的艦船目標進行分割，得到艦船目標的?分割圖像作為訓練圖像，具體包括如下步驟：