主权项 |
一种基于半监督分类与区域距离测度的SAR图像识别方法,包括如下步骤:1)对原始SAR图像进行无重叠切分,以建立SAR图像库{p<sub>1</sub>,p<sub>2</sub>,…,p<sub>N</sub>},从该图像库中按照目标单一原则挑选图像块{p<sub>1</sub>,p<sub>2</sub>,…,p<sub>l</sub>},其中l<<N,N表示图库中的SAR图像块个数,l表示挑选出的SAR图像块个数,所述目标单一原则是指图像块中某目标占图像总面积的一半以上;2)提取所有图像块的离散小波三层变换的子带能量,作为图像块的特征向量<img file="FDA0000510517110000011.GIF" wi="318" he="78" />其中,<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mover><mi>n</mi><mo>‾</mo></mover><mo>=</mo><mn>10</mn><mo>;</mo></mrow>]]></math><img file="FDA0000510517110000012.GIF" wi="168" he="58" /></maths>3)将挑选出的SAR图像块{p<sub>1</sub>,p<sub>2</sub>,…,p<sub>l</sub>}按照语义内容分成{c<sub>i</sub>,1≤i≤k}类,其中k表示语义类别的个数,并用对应的特征向量作为训练样本,训练高斯随机场半监督分类器,利用该分类器对整个SAR图像库{p<sub>1</sub>,p<sub>2</sub>,…,p<sub>N</sub>}分类,得到具有类标的SAR图像库;4)对用户输入的查询图像块p′,采用与步骤2)相同的方法提取其特征向量f′,并用与步骤3)相同的训练样本及训练好的高斯随机场半监督分类器,得到查询图像块的类别数c<sub>i</sub>;5)根据步骤4)得到的类别数c<sub>i</sub>及经验混淆矩阵,计算查询图像块的类别集合{c}:5a)在已分类的SAR图像库中,挑选出每一类的前K幅图像块,组成新的图像样本集,从此样本集中随机挑选训练样本训练高斯随机场半监督分类器,用该分类器进行100次随机分类试验,得到经验混淆矩阵Con∈R<sup>k×k</sup>,混淆矩阵Con是方阵,其中第i行第j列Con(i,j)表示属于c<sub>i</sub>类的样本被分为c<sub>j</sub>类的个数,1≤i≤k,1≤j≤k;5b)对经验混淆矩阵进行列归一化,即将一列中的每个元素除以该列元素的总和,得到经验的后验概率矩阵ConP∈R<sup>k×k</sup>;5c)设置阈值T,将后验概率矩阵中的第i行第j列ConP(i,j)与阈值T进行比较,当ConP(i,j)≤T时,将ConP(i,j)设置为0,反之ConP(i,j)保持不变,阈值T的大小根据期望的每一列的非零元素个数设定;5d)根据查询图像块的类别数c<sub>i</sub>,在后验概率矩阵ConP中的第i列中查找非零元素的位置,最终得到类别集合{c};6)计算查询图像块p′与图库中属于类别集合{c}中所有图像块的区域距离;7)按照步骤6)得到的区域距离,以从小到大的顺序返回用户需要数量的图像,完成图像识别。 |