[發明專利]一種基于自適應閾值的機載SAR任務適應性評估方法

有效

• 申請號: 202010612719.6
• 申請日: 2020-06-30
• 公開（公告）號: CN111914898B
• 公開（公告）日: 2022-06-28
• 發明（設計）人: 凡時財;鄒見效;陶倩;徐紅兵
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 北京正華智誠專利代理事務所(普通合伙) 11870
• 代理人: 李林合

1.一種基于自適應閾值的機載SAR任務適應性評估方法，其特征在于，包括以下步驟：

S1、收集若干條機載SAR的多源異構數據及其對應的先驗機載SAR任務適應性評估結果；

S2、基于收集的多源異構數據，構建任務適應性評估的訓練數據集D_f1及閾值調整模型的特征集D_f2；

S3、對訓練數據集D_f1和特征集D_f2進行數據歸一化處理，得到D_f1^*和D_f2^*；

S4、基于每條多源異構數據對應的先驗機載SAR任務適應性評估結果及構建的D_f1^*和D_f2^*，構建并訓練任務適應性評估模型和閾值調整模型；

S5、通過任務適應性評估模型和閾值調整模型對待進行任務適應性評估的機載SAR任務對應的多源異構數據進行處理，獲得對應的任務適應性評估值和任務適應性評估閾值；

S6、將任務適應性評估值和任務適應性評估閾值進行比較，得到任務適應性評估結果；

所述步驟S4中，構建并訓練任務適應性評估模型的方法具體為：

C1、基于每條多源異構數據對應的先驗機載SAR任務適應性評估結果，將適應性好標記為1，適應性差標記為-1，得到任務適應性評估結果的標簽向量Y；

C2、通過SVM算法構建任務適應性評估模型，并采用訓練數據集D_f1和Y⁽¹⁾對其進行訓練，得到該模型的權重向量ω和分類閾值θ，完成對任務適應性評估模型的訓練；

其中，Y⁽¹⁾為標簽向量Y中與對應的待評估圖像的標簽向量，為待評估圖像的一個質量評價指標；

所述步驟S4中，構建并訓練閾值調整模型的方法具體為：

D1、根據權重向量ω和D'_f1，計算任務適應性評估值向量R；

R＝D′_f1×ω

式中，D'_f1為任務適應性評估模型訓練數據集D_f1^*中的特征集；

D2、根據分類閾值θ，將任務適應性評估值向量R變換為閾值調整向量L＝[l₁,l₂,...,l_n]；

式中，下標j為多源異構數據的編號，j＝1,2,3,...,n，c為用于調整待評估樣本的位置的常數，r_j為任務適應性評估值向量R中第j條多源異構數據對應的值；

D3、通過SVM算法構建閾值調整模型，并采用D_f2^*和閾值調整向量L對其進行訓練，獲得訓練好的閾值調整模型。

2.根據權利要求1所述的基于自適應閾值的機載SAR任務適應性評估方法，其特征在于，所述步驟S1中，每條多源異構數據包括待評估圖像、參考圖像、待執行成像任務的成像參數、待執行成像任務的地形信息、干擾信息和模擬故障信息。

3.根據權利要求2所述的基于自適應閾值的機載SAR任務適應性評估方法，其特征在于，所述步驟S2中，構建任務適應性評估的訓練數據集D_f1的方法具體為：

A1、分別計算每條多源異構數據中待評估圖像和參考圖像的質量評價指標，并計算每個質量評價指標的偏移值；

A2、對待評估圖像和參考圖像進行數據融合，計算其圖像相似度指標；

A3、基于待執行成像任務的成像參數、每個質量評價指標的偏移值及圖像相似度指標，構建單條機載SAR任務適應性評估的特征向量X_j；

A4、重復步驟A1-A3，構建每條多源異構數據對應的特征向量X_i，進而組成訓練數據集D_f1。