SAR图像目标识别方法

摘要

本发明提供一种应用于SAR图像的目标识别方法。技术方案是：利用目标类别已知的SAR图像构建目标模板库，分别提取模板图像和待测图像的基于局部梯度比率的直方图特征作为识别特征，基于LGRPH特征设计相似度评估准则，通过比较待测图像与模板图像的相似度来实现目标识别。本发明过程中计算的局部梯度比率值采用比值方法，对SAR图像的乘性相干斑噪声和场景对比度变化不敏感，有效保持了目标的边缘、角点、局部散射强弱变化等信息，可提高目标识别方法在恶劣成像条件下的精度。

主权项

一种SAR图像目标识别方法，其特征在于，包括下述步骤：第一步：目标模板库生成：获取目标SAR图像，每幅SAR图像记录一个已知类别目标，上述所有SAR图像构成目标模板库；第二步：模板图像特征提取：计算目标模板库中每幅SAR图像的基于局部梯度比率的直方图特征，步骤如下：设SAR图像为g_k，k＝1,2,…,M，M为目标模板库中SAR图像的总数，采用公式一计算SAR图像g_k中第(i,j)像素的邻域像素的梯度比率值$GRP\left(g_k^p\right(i,j\left)\right)=\frac{|g_k^p\left(i,j\right)-g_k\left(i,j\right)|}{g_k^p\left(i,j\right)}$       (公式一)其中，g_k(i,j)表示SAR图像g_k中第(i,j)像素的灰度值；设像素(i,j)的邻域以像素(i,j)为中心、邻域半径为R、邻域像素个数为P，表示在上述邻域中的第p个邻域像素的灰度值，P和R的取值根据实际应用确定；采用公式二计算SAR图像g_k中第(i,j)像素的平均梯度比率值$\overline{GRP\left(g_k\right(i,j\left)\right)}=\frac{1}{P}\underset{p=1}{\overset{P}{\Sigma }}GRP\left(g_k^p\right(i,j\left)\right)$        (公式二)采用公式三计算SAR图像g_k中第(i,j)像素的局部梯度比率值LGRP_P,R(g_k(i,j))：${\mathrm{LGRP}}_{P,R}\left(g_k\right(i,j\left)\right)=\underset{p=0}{\overset{P-1}{\Sigma }}s\left(GRP\right(g_k^p\left(i,j\right))-\overline{GRP\left(g_k\left(i,j\right)\right)})·2^p$      (公式三)其中，s(·)为判别函数，定义由公式四给出：统计SAR图像g_k中所有像素的局部梯度比率值，形成该图像的基于局部梯度比率值的直方图，直方图的横坐标为局部梯度比率值，纵坐标为每个局部梯度比率值在SAR图像g_k中出现的频次；以该直方图统计结果为基础形成N维特征矢量，记为基于局部梯度比率的直方图特征LGRPH(g_k)，其中N＝2^P；第三步：待测图像特征提取：对待测图像f，计算其基于局部梯度比率的直方图特征矢量LGRPH(f)，具体过程同第二步；第四步：相似度计算：首先采用公式五计算待测图像f和目标模板库中任一SAR图像g_k之间的差异DIST(f,g_k)：$DIST(f,g_k)=\underset{n=1}{\overset{N}{\Sigma }}{s}_{n}log\left(\frac{s_n}{t_n}\right)+\underset{n=1}{\overset{N}{\Sigma }}{t}_{n}log\left(\frac{t_n}{s_n}\right)$      (公式五)其中，s_n和t_n分别为N维特征矢量LGRPH(f)和LGRPH(g_k)的第n个分量；然后采用公式六计算待测图像f和目标模板库中任一SAR图像g_k之间的相似度Similarity(f,g_k)：$Similarity(f,g_k)=\exp [-\frac{{\left(DIST\right(f,g_k\left)\right)}^2}{{\sigma }^2}]$       (公式六)其中，σ为控制高斯函数宽度的参数，根据具体应用情况确定；第五步：匹配识别：由第四步得到待测图像f与目标模板库中每幅SAR图像之间的相似度后，选择出相似度最大值所对应的目标模板库中的SAR图像，将该SAR图像的目标类别赋予待测图像f，完成待测图像f的目标识别。