二維非線性投影特征的sar圖像目標識別的方法
【專利摘要】本發明屬于合成孔徑雷達(SAR，Synthetic?Aperture?Radar)自動目標識別【技術領域】，尤其涉及二維非線性投影特征的SAR圖像目標識別。本發明的具體步驟如下：S1、確定SAR圖像訓練樣本矩陣；S2、確定核函數和核樣本矩陣，通過所述核樣本矩陣確定核類間散布矩陣和核內散布矩陣，通過所述核類間散布矩陣和核內散布矩陣構造目標準則函數，求得投影矩陣和投影子空間；S3、確定輸入SAR圖像的非線性投影特征子集，確定非線性投影特征子像與投影子空間的距離，確定輸入SAR圖像目標所屬類別。本發明利用所有訓練樣本的某一列向量構造核向量，巧妙的構造核樣本矩陣，在高維空間中采用投影特征提取方法，提高了分類效率，在提高分類正確率的同時，對樣本的依賴度有所降低。
【專利說明】二維非線性投影特征的SAR圖像目標識別的方法
【技術領域】
[0001]本發明屬于合成孔徑雷達(SAR, Synthetic Aperture Radar)自動目標識別【技術領域】，尤其涉及二維非線性投影特征的SAR圖像目標識別。
【背景技術】
[0002]SAR圖像目標識別的原理是根據已知訓練樣本目標類別信息建立特征庫，對待測樣本進行特征提取，并選擇與庫中具有最高相似度所對應的訓練樣本的類型作為測試樣本的分類結果。
[0003]SAR技術的迅猛發展使得其所成圖像分辨率獲得了很大提高，SAR圖像中的目標信息也呈現爆炸性的增長，這就帶來了相應數據量的大幅度增加，面對巨大的數據量，必須對目標檢測和識別中的關鍵技術進行改進。SAR圖像自動目標識別(ATR)是提高SAR檢測圖像利用率的重要技術，其目的是在沒有人工直接干預的條件下，在較短時間內從場景中自動檢測出可能的目標并識別出目標所屬類別，具有重要的民用和軍事應用價值，并日益成為國內外圖像處理和模式識別領域的研究熱點。
[0004]SAR圖像具有復雜的特點，從同一目標回波中抽取的特征難免存在一定的相關性，而這種相關性往往是不易察覺的，冗余特征不僅會使運算量增大，還可能降低最終分類結果。C.J.Enderli等采用非線性的KLDA對SAR圖像進行目標識別，將二維SAR圖像矩陣轉化為一維向量進行處理，會損失目標的空間結構信息，且易出現維數災難問題。Zhang等采用二維LDA對SAR圖像目標進行特征提取，無法獲取圖像的非線性特征。
【發明內容】
[0005]本發明的目的是針對現有技術存在的不足，提出一種二維非線性投影特征的SAR圖像目標識別的方法，實現對SAR圖像中目標類別的準確判別。
[0006]本發明的技術方案是:將二維SAR圖像矩陣按列表示，選擇適當的核函數，對一幅特定的SAR圖像的某一列向量作非線性變換，利用所有訓練樣本的同一列向量構造該列向量的核向量，這樣，每一個圖像矩陣的列向量由其核向量代替，可以構造一個相應的核樣本矩陣，利用投影特征提取方法獲取每類目標的二維投影特征子像，構成投影子空間，當輸入SAR圖像時，根據其二維非線性投影特征子像與投影子空間的歐式距離確定輸入SAR圖像目標所屬類別。
[0007]本發明的具體步驟如下:
[0008]S1、確定SAR圖像訓練樣本矩陣:根據目標數據選取N幅mX η的訓練樣本SAR圖像A1, A2,...，A1,...，ΑΝ，其中，所述N幅mX η的訓練樣本SAR圖像分屬c個類別，N1, N2,..., Nc表示各個類的樣本量，N^N2+...+Nc = N ；
[0009]S2、確定核函數和核樣本矩陣，通過所述核樣本矩陣確定核類間散布矩陣和核內散布矩陣，通過所述核類間散布矩陣和核內散布矩陣構造目標準則函數，求得投影矩陣和投影子空間，具體方法如下:
[0010]S21、將SI所述訓練樣本SAR圖像Al表不為為=^a1 ,(I1,…為+，…為)，其中，I =
I,2,..., N, k = 1,2,...,n, af 表示 A1 的第 k 列；
[0011]S22、對S21所述訓練樣本SAR圖像A1進行非線性映射Φ，得到核空間H中的圖像樣本我
【權利要求】
1.二維非線性投影特征的SAR圖像目標識別的方法，其特征在于，包括如下步驟: S1、確定SAR圖像訓練樣本矩陣:根據目標數據選取N幅mXn的訓練樣本SAR圖像A1, A2,...，A1,...，AN，其中，所述N幅mXη的訓練樣本SAR圖像分屬c個類別，N1, N2,..., Nc表示各個類的樣本量，N^N2+...+Nc = N ； S、確定核函數和核樣本矩陣，通過所述核樣本矩陣確定核類間散布矩陣和核內散布矩陣，通過所述核類間散布矩陣和核內散布矩陣構造目標準則函數，求得投影矩陣和投影子空間，具體方法如下: S21、將SI所述訓練樣本SAR圖像A1表示為
；其中，I =I,2,..., N, k = 1,2,...,η, 表示 A1 的第 k 列； S22、對S21所述訓練樣本SAR圖像A1進行非線性映射Φ，得到核空間H中的圖像樣本
則高維空間中的類間離散矩陣為
高維空間中的類內離散矩陣為
S23、根據S22所述高維空間中的類間離散矩陣和類內離散矩陣選擇適當的核函數，對一幅特定的SAR圖像A1的某一列向量，利用SI所述N幅mXn的訓練樣本SAR圖像A1, A2,..., A1,..., An構造該列向量的核向量,得到相應的NXn的核樣本矩陣K1 ； S24、以S23所述核樣本矩陣K1，得出高維空間中的類間散布矩陣
和高維空間中的類內散布矩陣
其中，Kij表示第i類的第j個訓練樣本圖像的核樣本矩陣，
表示第i類核樣本矩陣的平均矩陣，
表示所有核樣本矩陣的平均矩陣； S25、根據S24所述高維空間中的類間散布矩陣Ks,和高維空間中的類內散布矩陣構造目標準則函數.
，其中，W為任一 N維的非零列矢量； S26、通過最大化目標準則函數J(W)，得到最優判別矢量
對所述Wopt進行廣義特征方程求解，得到
s27、取S26所述I4W= AKsW中前d個較大特征值所對應的特征向量構成最優投影矩陣 W = [W1, W2,...，wd],其中，d ≤n (c-1)； s28、將S23所述核樣本矩陣1向S27所述最優投影矩陣W上投影，得到投影特征子像Z1 = WtK1,每類目標的所有訓練SAR圖像的頭像特征子像構成各自的投影子空間，c類目標有c個投影子空間，分別記為Pi,其中，i = l,2,...,c ； S3、確定輸入SAR圖像的非線性投影特征子集，確定非線性投影特征子像與投影子空間的距離，確定輸入SAR圖像目標所屬類別。
2.根據權利要求1所述的二維非線性投影特征的SAR圖像目標識別的方法，其特征在于:S23所述核樣本矩陣構造具體如下: 5231、對SI所述訓練樣本SAR圖像A1進行非線性變換
，其中，K (.，.)為內積核函數；
s232、令Ψ = ( Φ (A1)，Φ (A2)Φ (An))，設
s233、將S232所述看作N個子塊，則第s個子塊為
s234、對照S231所述K1得出K1的第j行是以(【4!),的對角元為元素的行向量，則
其中，Diag{.}表示以方陣?的對角元為元素的行向量，K1為核樣本矩陣。
3.根據權利要求1所述的二維非線性投影特征的SAR圖像目標識別的方法，其特征在于:S3所述具體方法如下: S31、對于給定的輸入待測圖像A = (a1, a2，...，an)，經過非線性變換，將所述A的每一列映射到核空間中，得到所述A的核樣本矩陣
,對應的投影特征子像為Z = WtK ; S32、采用基于歐式距離的最近鄰分類器對目標進行分類識別，對任意兩個投影特征子
像
定乂距尚為
對SI所述訓練樣本SAR圖像A1, A2,..., An,每一個樣本都屬于確定的類別ξ i，對應的投影特征子像分別為Z1, Z2,, Zn,計算S31所述投影特征子像Z與c個投影子空間的距離D (Z, Pi) = min [D (Z, Zij)]，其中，Zij為第i類樣本的第j個投影特征子像； S33、將S32所述min[D (Z, Zij)]所屬的類別作為待測樣本的類別，若有D (Z, Pi)=π?ηΟΚΖ,ΖΟ]，I = 1，2，...，N，且Z1 e Ii，則分類的結果是Ze Ii，即輸入待測圖像Ae ξ J0
【文檔編號】G06K9/66GK104077610SQ201410326417
【公開日】2014年10月1日 申請日期:2014年7月10日 優先權日:2014年7月10日
【發明者】周代英, 田兵兵, 譚敏潔, 譚發曾, 賈繼超, 余為知 申請人:電子科技大學