基于多参数谱特征的合成孔径雷达图像目标识别方法

摘要

本发明公开了一种基于多参数谱特征的合成孔径雷达图像目标识别方法，主要解决现有方法对SAR图像目标识别率低的问题。其步骤包括：对选定的已知类别信息的图像和待测试图像进行预处理，得到训练集和测试集；分别计算所有训练样本点和测试样本点的尺度参数；用得到的尺度参数分别计算训练集和测试集的多参数亲和度矩阵；由多参数亲和度矩阵分别构造训练集和测试集的拉普拉斯矩阵；对训练集的拉普拉斯矩阵进行特征分解得到相应的投影矩阵；分别将训练样本和测试样本投影到由投影矩阵张成的空间，得到新的训练集和测试集；将新的训练集和测试集输入支撑向量机进行分类识别，得到测试图像的类别信息。本发明具有识别率高的优点，可用于对SAR图像的识别。

主权项

1.一种基于多参数谱特征的合成孔径雷达图像目标识别方法，包括如下步骤：(1)分别对选定的已知类别信息的图像和输入的所有待测试图像进行预处理，得到预处理后的训练样本集和测试样本集其中x_i和分别表示第i个训练样本和第j个测试样本，用一个行向量表示，l_i是第i个训练样本所属的类别标号，N和M分别是训练样本个数和测试样本个数，K是所有样本原始特征维数；(2)计算所有训练样本的尺度参数和所有测试样本的尺度参数其中σ_i是第i个训练样本的尺度参数，是第j个测试样本的尺度参数；(3)分别计算训练样本集的多参数亲和度矩阵：A＝{A_ij}∈R^N×N和测试样本集的多参数亲和度矩阵：$A^t=\left\{A_{\mathrm{ij}}^t\right\}\in R^{M\times N};$(4)分别构造训练样本集的拉普拉斯矩阵：L＝D^-1/2AD^-1/2，和测试样本集的拉普拉斯矩阵：L^t＝(D^t)^-1/2A^t∈R^M×N，其中D和D^t均为对角矩阵，对角元素分别为$D_{\mathrm{ii}}={\Sigma }_{j=1}^N{A}_{\mathrm{ij}},$i＝1，2，…，N，${D^t}_{\mathrm{jj}}={\Sigma }_{i=1}^N{A}_{\mathrm{ij}}^t,$j＝1，2，…，M；(5)对训练样本的拉普拉斯矩阵L进行特征分解，取前k个最大特征值所对应的特征向量，作为投影矩阵W＝{w₁，…，w_k}，其中k为需要的特征维数；(6)分别将训练样本和测试样本投影到由投影矩阵W所张成的空间，得到投影后新的训练样本集和新的测试样本集其中y_i为第i个训练样本点新的特征向量，为第j个测试样本点新的特征向量；(7)将新的训练样本集Y和新的测试样本集Y^t输入到支撑矢量机，得到测试图像的识别结果其中表示第j个测试图像所属的类别标号。