[發(fā)明專利]基于目標(biāo)先驗(yàn)信息的空間目標(biāo)ISAR圖像分類方法

有效

• 申請?zhí)枺?/td>: 202110304865.7
• 申請日: 2021-03-17
• 公開（公告）號: CN112949555B
• 公開（公告）日: 2023-03-24
• 發(fā)明（設(shè)計）人: 杜蘭;卓振宇;張曉樂;陳健;周宇
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/28;G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06N3/08
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 田文英;王品華

1.一種基于目標(biāo)先驗(yàn)信息的空間目標(biāo)ISAR圖像分類方法，其特征在于，利用訓(xùn)練集中樣本的特征方差和目標(biāo)先驗(yàn)信息生成分類器函數(shù)，該方法的步驟包括如下：

(1)生成帶有空間目標(biāo)先驗(yàn)信息的訓(xùn)練樣本集：

從連續(xù)時間的帶有空間目標(biāo)先驗(yàn)信息的ISAR圖像中，每種空間目標(biāo)隨機(jī)選取P個ISAR圖像組組成訓(xùn)練樣本集，P≥20，每個ISAR圖像組由三張連續(xù)時間的ISAR圖像構(gòu)成；

(2)提取訓(xùn)練樣本的特征：

使用基于ISAR圖像解譯的空間目標(biāo)特征提取方法，處理訓(xùn)練樣本中每個空間目標(biāo)的ISAR圖像組，得到訓(xùn)練樣本中每個空間目標(biāo)的ISAR圖像組的主體的長度特征、寬度特征，太陽能板的長度特征、寬度特征，主體長度特征與太陽能板長度特征的比特征值；

所述基于ISAR圖像解譯的空間目標(biāo)特征提取方法的具體步驟如下：

第一步，使用基于CGAN的ISAR圖像分割方法處理訓(xùn)練樣本中空間目標(biāo)的ISAR圖像，得到訓(xùn)練樣本中空間目標(biāo)主體的ISAR圖像和太陽能板的ISAR圖像；

第二步，使用基于因子分解法的ISAR圖像三維散射中心重構(gòu)方法處理訓(xùn)練樣本中每個ISAR圖像組的三張連續(xù)時間主體的ISAR圖像，得到訓(xùn)練樣本每個ISAR圖像組中主體的散射中心的三維坐標(biāo)；

第三步，使用基于PCA尺寸特征提取方法處理訓(xùn)練樣本每個ISAR圖像組中主體的散射中心的三維坐標(biāo)，得到訓(xùn)練樣本中主體的長度特征、寬度特征；

第四步，使用基于因子分解法的ISAR圖像三維散射中心重構(gòu)方法處理訓(xùn)練樣本中每個ISAR圖像組的三張連續(xù)時間太陽能板的ISAR圖像，得到訓(xùn)練樣本每個ISAR圖像組中太陽能板的散射中心的三維坐標(biāo)；

第五步，使用基于PCA尺寸特征提取方法處理訓(xùn)練樣本每個ISAR圖像組中太陽能板的散射中心的三維坐標(biāo)，得到訓(xùn)練樣本中太陽能板的長度特征、寬度特征；

第六步，利用公式，計算訓(xùn)練樣本中每個ISAR圖像組中主體長度特征與太陽能板長度特征的比特征值，其中，b_np5表示訓(xùn)練樣本中第n個種類中空間目標(biāo)第p個ISAR圖像組中主體長度特征與太陽能板長度特征的比特征值，b_np1表示訓(xùn)練樣本中第n個種類中空間目標(biāo)第p個ISAR圖像組中主體長度特征值，b_np3表示訓(xùn)練樣本中第n個種類中空間目標(biāo)第p個ISAR圖像組中主體長度特征值，p＝1,2,...,P，n＝1,2,...,N，N表示空間目標(biāo)類別的總數(shù)；

(3)利用特征方差值公式，計算訓(xùn)練樣本中每個種類的所有ISAR圖像組的每個特征方差值；

(4)按照下式，生成訓(xùn)練樣本的每個種類中每個特征的分類器函數(shù)：

其中，f_nq(x)表示第n個種類中第q個特征的分類器函數(shù)，q＝1,2,...,Q，Q表示特征的總數(shù)，r_nt表示訓(xùn)練樣本中第n個種類所有ISAR圖像組的第t個特征方差值，t＝1,2,...,Q，t的取值與q相等，x表示分類器函數(shù)的輸入值，a_nq表示訓(xùn)練樣本中第n個種類的第q個特征帶有的空間目標(biāo)先驗(yàn)信息特征值；

(5)提取待分類樣本的特征：

采用與步驟(2)相同的方法，處理待分類樣本中空間目標(biāo)的ISAR圖像組，得到待分類樣本中空間目標(biāo)的ISAR圖像組的主體的長度特征、寬度特征，太陽能板的長度特征、寬度特征，主體長度特征與太陽能板長度特征的比特征值特征；

(6)獲得每個特征的分類器函數(shù)值：

將每個特征輸入到訓(xùn)練樣本的每個種類中該特征所對應(yīng)的特征分類器函數(shù)中，輸出每個特征在每個種類的該特征分類器函數(shù)值；

(7)對每個種類的所有特征分類器函數(shù)值作融合處理；

(8)將所有種類融合后的特征分類器函數(shù)值中的最大值對應(yīng)的種類，作為待分類樣本的分類結(jié)果。

2.根據(jù)權(quán)利要求1所述的基于目標(biāo)先驗(yàn)信息的空間目標(biāo)ISAR圖像分類方法，其特征在于，步驟(3)中所述特征方差值公式如下：

其中，r_nt表示訓(xùn)練樣本中第n個種類所有ISAR圖像組的第t個特征方差值，t＝1,2,...,Q，Σ表示求和操作，b_npq表示訓(xùn)練樣本中第n個種類的第p個ISAR圖像組中第q個特征值，q的取值與t相等。

3.根據(jù)權(quán)利要求1所述的基于目標(biāo)先驗(yàn)信息的空間目標(biāo)ISAR圖像分類方法，其特征在于，步驟(7)中所述對每個種類的所有特征分類器函數(shù)值作融合處理是由下式完成的：

其中，F(xiàn)_n表示第n個種類融合后的特征分類器函數(shù)值，s_nq表示第n個種類中第q個特征分類器函數(shù)值。