基于对角子类判决分析的合成孔径雷达目标识别方法

摘要

本发明提出一种对角子类判决分析的合成孔径雷达目标识别方法，主要解决现有的合成孔径雷达目标识别性能差的问题。该方法的过程是：对原始图像进行自适应的阈值分割、形态学滤波、几何聚类操作和图像增强的预处理；对预处理后的每类目标采用二维快速全局k均值聚类算法进行最优的子类划分；用对角子类判决分析或者对角子类判决分析和二维子类判决分析找到最优的投影矩阵；将预处理后的训练和测试图像向投影矩阵投影，得到它们的特征矩阵；计算测试目标与每个训练目标的特征矩阵之间的欧氏距离，并采用最近邻准则确定测试目标的类别属性。仿真实验表明，本发明抑制背景杂波效果好、目标图像质量高、特征维数低的优点，可用于遥感系统中。

主权项

1.一种基于对角子类判决分析的合成孔径雷达目标识别方法，包括如下步骤：(1)对原始的训练和测试图像依次进行阈值分割、形态学滤波、几何聚类操作、图像增强和二维傅里叶变换的预处理；(2)采用二维快速全局k均值聚类算法对预处理后的每类目标图像进行最优的子类划分，并按如下步骤采用对角子类判决分析找到最优子类的最优投影矢量：(2a)将每类预处理后的合成孔径雷达训练目标图像采用二维全局k均值聚类算法找到最优的子类划分结果；(2b)将预处理后的合成孔径雷达训练图像沿对角方向将相应的图像像素取出来，重新排列后转化为相应的对角图像；(2c)根据上述的子类划分结果和相应的对角图像，定义如下公式：其中，G_B和G_W分别表示所有训练图像对应对角图像的子类类间和子类类内散布矩阵，c为训练样本的类别数，d_j表示第j(j＝1，…，c)类目标包含的子类个数，d_l表示第l(l＝1，…，c)类目标包含的子类个数，表示第j类的第i个子类的均值，表示第l类的第h个子类的均值，表示的对角图像，表示第j类的第i个子类中的第k个样本，p_j，i＝N^j，i/M为第j类的第i个子类的先验概率，p_l，h＝N^l，h/M为第l类的第h个子类的先验概率，N^j，i为第j类的第i个子类中的样本个数，N^l，h为第l类的第h个子类中的样 本个数，M为所有训练样本的个数，R^n×n表示子类类间和子类类内散布矩阵的大小，T表示矩阵转置；(2d)对矩阵G_W求逆后与G_B相乘，得到矩阵再对它进行特征分解，得到相应的特征值和特征向量，并取前d个较大特征值对应的特征向量w₁，…，w_d组成投影矩阵W＝[w₁，…，w_d]∈R^n×d，R^m×d表示特征矩阵的维数；(3)将预处理后的训练和测试图像向最优投影矢量进行投影，得到训练和测试目标的特征矩阵：(3a)将第i个训练样本I_i∈R^m×n向投影矩阵投影，得到它的特征矩阵B_i：其中，表示I_i∈R^m×n向w_k(k＝1，2，…，d)投影得到的特征分量，为所有训练图像的均值图像，R^m×d表示特征矩阵的维数，(3b)将测试样本I∈R^m×n向投影矩阵投影，得到它的特征矩阵B为：其中，y_k表示I_i∈R^m×n向w_k(k＝1，2，…，d)投影得到的特征分量；(4)计算测试目标与每个训练目标的特征矩阵之间的欧氏距离，并采用最近邻分类器准则确定测试目标的类别属性。