基于多分类器系统的合成孔径雷达自动目标识别方法

摘要

本发明公开了一种合成孔径雷达自动目标识别方法，它属于目标识别领域，主要解决现有合成孔径雷达自动目标识别技术空间复杂度较高和单个分类器识别率低的问题。其识别步骤包括预处理、特征提取、分类器训练和目标识别，其中特征提取是对合成孔径雷达图像提取PCA特征、椭圆傅里叶描述子特征和二维傅里叶变换三种特征：分类器训练是基于提取的三种特征，分别使用K-近邻、支撑矢量机以及MINACE滤波器理论训练三个分类器；目标识别是将提取的待识别合成孔径雷达图像的相应特征输入已训练好的三个分类器进行分类，最后使用Dempster-Shafer证据理论融合三个分类器的识别结果。本发明具有识别率高、空间复杂度低的优点，可用于军用或民用领域的目标跟踪。

主权项

一种合成孔径雷达自动目标识别方法，包括：预处理步骤：对合成孔径雷达训练图像和待识别目标的合成孔径雷达图像进行log变换，归一化和目标轮廓提取的预处理；特征提取步骤：对预处理后的合成孔径雷达训练图像分别进行主分量分析PCA，椭圆傅里叶描述子特征和二维傅里叶变换这三种特征的提取；分类器训练步骤：训练三个分类器，即采用K‑近邻算法使用PCA特征训练一个K‑近邻分类器；采用支撑矢量机算法使用椭圆傅里叶描述子特征训练一个支撑矢量机分类器，采用MINIACE滤波器算法使用二维傅里叶变换训练MINIACE滤波器；目标识别步骤：分别提取待识别合成孔径雷达图像的PCA特征、椭圆傅里叶描述子特征和二维傅里叶变换，并输出到对应的K‑近邻分类器、支撑矢量机分类器和MINIACE滤波器中，每个分类器给出一个识别结果；通过Dempster‑Shafer证据理论的折扣操作和Dempster组合规则将所述的三个分类器的识别结果融合后，得到最终的识别结果；所述的提取待识别合成孔径雷达图像的PCA特征，只需将待识别图像拉成一列向量，然后将该列向量向预处理后的合成孔径雷达训练图像进行PCA提取过程中的投影矩阵V投影即可。