專利名稱：基于核稀疏表示的sar目標識別方法
技術領域：
本發明屬于圖像處理技術領域，特別是涉及SAR目標識別，可廣泛用于軍事和民 事應用中。
背景技術：
SAR圖像處理的研究是近十幾年才興起的一門綜合學科。因SAR具有全天候、全天 時探測的能力，而且特征信號豐富，含有幅度、相位和極化等多種信息而廣泛用于民用和軍 事應用中。目前，美國國防部高級研究計劃局提出的運動靜止目標獲得與識別計劃，旨在基 于模型視覺基礎上發展下一代SAR目標識別系統，目的就是通過對目標及由于目標變換、 清晰度和其它原因引起的不確定性進行建模，為高度無約束場景下的目標識別提供穩健的 解決方案。因此，對獲取后的SAR圖像處理方法的研究就顯得格外重要。與傳統的圖像處 理研究相似，SAR圖像處理的研究內容也涉及到圖像去噪、圖像分割、圖像融合、圖像壓縮、 圖像增強、圖像識別和分類等多方面。其中，圖像分類和識別是圖像感知與解譯的最終目的 與關鍵技術之一。在SAR圖像分類識別研究中，最重要的研究內容包括圖像特征獲取研究 和機器學習機研究。可以看出，圖像分類中特征提取環節處理的好壞將直接影響到后續分 類和識別精度；同樣學習機性能的好壞也將直接影響計算機對各類SAR目標特征的學習能 力，從而進一步決定圖像的識別率。Alien Y. Yang和Yi Ma在2007年提出一種用訓練圖像對測試圖像進行稀疏表示， 根據基于重構誤差最小化準則來對測試圖像進行分類。但是由于該方法是一種線性方法， 無法實現非線性特征表示，Zhang等提出了一種核稀疏表示的方法，該方法將樣本從原空間 映射至核空間解決了非線性特征表示的問題。但在該方法中，由于采用了重構誤差準則來 進行分類，因而對噪聲不具有容錯性，導致了分類精度下降。
發明內容
本發明的目的在于克服上述已有技術的缺點，提出了一種基于核稀疏表示的SAR 目標識別方法，通過采用重構系數能量最大準則進行分類，提高SAR目標識別的精度和算 法的運行時間。為實現上述目的，本發明首先通過高斯核函數將樣本從原空間映射至高維核空 間，在此空間構造一隨機降維矩陣來對樣本進行降維和歸一化處理，得到新的訓練樣本和 測試樣本，然后對新的訓練樣本和測試樣本進行線性優化，得到訓練樣本對測試樣本進行 稀疏表示的最佳稀疏向量；最后根據重構系數能量最大準則，對所得每類樣本的稀疏向量 求能量，將能量最大的那一類作為測試樣本最終的識別結果，其具體步驟包括如下(1)輸入訓練樣本矩陣J e 和測試樣本} e『，通過高斯徑向基核函數將訓練 樣本矩陣和測試樣本從原空間映射至高維核空間，得到映射后的訓練樣本矩陣2￡識一和 測試樣本/ e 9Γ，其中91表示實數集，m表示原樣本空間維數，η表示訓練樣本的個數；(2)構造一個隨機矩陣i e ，然后將隨機矩陣R分別與映射后的訓練樣本矩陣Z和測試樣本1相乘進行降維處理，得到降維后的訓練樣本矩陣f e妒X"和測試樣本/ e md， 并對該降維后的訓練樣本矩陣和測試樣本進行歸一化，，其中d表示降維后的樣本維數，d << η ；(3)對歸一化后的訓練樣本矩陣和測試樣本，利用如下優化函數求解出第i類樣 本重構系數向量 min | aj I1 subject to V0= Z1 Cil其中//為歸一化后的測試樣本，歸一化后的第i類訓練樣本；(4)計算歸一化后第i類樣本重構系數的能量
權利要求
1.一種基于核稀疏表示的SAR目標識別方法，包括如下步驟(1)輸入訓練樣本矩陣Je 和測試樣本少e mm，通過高斯徑向基核函數將訓練樣本 矩陣和測試樣本從原空間映射至高維核空間，得到映射后的訓練樣本矩陣Ze 9T"和測試 樣本/ e ，其中識表示實數集，m表示原樣本空間維數，η表示訓練樣本的個數；(2)構造一個隨機矩陣i e9ld><"，然后將隨機矩陣R分別與映射后的訓練樣本矩陣Z 和測試樣本1相乘進行降維處理，得到降維后的訓練樣本矩陣妒χ"和測試樣本/e妒， 并對該降維后的訓練樣本矩陣和測試樣本進行歸一化，，其中d表示降維后的樣本維數，d << η ；(3)對歸一化后的訓練樣本矩陣和測試樣本，利用如下優化函數求解出第i類樣本重 構系數向量min I I1 subject to V^= Zi at其中//為歸一化后的測試樣本，Z^J歸一化后的第i類訓練樣本；(4)計算歸一化后第i類樣本重構系數的能量YniLYA1；=1其中i = 1，2，…，C，C為類別總數，j = 1，2，...，IIi為第i類測試樣本的個數；(5)將上述得到的第i類樣本重構系數能量Ei代入到類別判定公式k - arg max Ei (巧求得重構系數能量的最大值，并將該最大值所屬的類別C作為最終的識別結果k。
2.根據權利要求1所述的SAR目標識別方法，其中步驟(1)所述的通過高斯徑向基核 函數將訓練樣本矩陣和測試樣本從原空間映射至高維核空間，其步驟為(Ia)將訓練樣本矩陣Je^Tx"代入如下的高斯徑向基核函數k' = exp(-|u-v|2/(2*p2))得到的映射結果作為新的訓練樣本矩陣Z，其中U、ν為任意兩個訓練樣本，ρ為高斯徑 向基核的參數。(Ib)把訓練樣本矩陣J e 中的每個樣本與測試樣本少e 9Γ代入上述核映射函數， 得到的映射結果作為新的測試樣本1。
3.根據權利要求1所述的SAR目標識別方法，其中步驟(2)所述的對降維后的訓練樣 本矩陣和測試樣本進行歸一化，是將降維后的訓練樣本矩陣f和測試樣本/同時除以這兩者 中的最大值，得到標準化的數據以利于分類。
全文摘要
本發明公開了一種基于核稀疏表示的SAR目標識別方法，主要解決現有技術的容錯性低的問題。實現步驟為(1)將訓練樣本矩陣和測試樣本分別映射至核空間，將映射后的樣本隨機降維至所需要的維度，并對其進行歸一化處理；(2)求解歸一化后的測試樣本與訓練樣本矩陣之間的重構系數向量；(3)求得各類別測試樣本的重構系數的能量，并將其代入類別判定公式得到最終的識別結果。本發明與現有技術相比顯著的提高了算法的容錯性，使其在SAR目標識別應用中具有的高的識別精度和快的運算速度，同時也將應用范圍推廣至低維樣本，具有更好的通用性。
文檔編號G06K9/62GK102122355SQ201110062108
公開日2011年7月13日 申請日期2011年3月15日 優先權日2011年3月15日
發明者馮驍, 劉若辰, 劉靜, 張莉, 楊淑媛, 焦李成, 王婷, 王爽 申請人:西安電子科技大學