基于快速稀疏描述的SAR目标型号识别方法技术

本发明专利技术公开了一种基于快速稀疏描述的SAR目标型号识别方法，包括以下步骤：利用SAR成像方法获取测试样本图像和训练样本图像；将属于同一样本类别的训练样本图像按照目标方位角均分成多块；对每个块内包含的所有训练样本图像取平均值，得到平均样本图像；利用平均样本图像形成字典矩阵；根据字典矩阵和测试样本图像，构建并求解优化问题，得到稀疏描述向量；利用稀疏描述向量计算重构误差；根据重构误差获得测试样本图像中的待识别目标的样本类别。本发明专利技术与现有技术相比，计算复杂度显著降低，能够有效实现目标的型号识别。

SAR target model recognition method based on fast sparse description

The invention discloses a SAR target type recognition method based on fast sparse description, comprises the following steps: obtaining the test sample images and training sample images using SAR imaging method; training sample image will belong to the same category of the sample according to the target azimuth are divided into multiple blocks; all the training samples contained within each block image on average, average sample image; the formation of the dictionary matrix using the average sample image; according to the dictionary matrix and test sample image, constructing and solving optimization problems, get the sparse vector; using sparse description vector reconstruction error calculation; according to the reconstruction error obtained recognition test samples in the image samples. Compared with the prior art, the invention has remarkable reduced computational complexity and can effectively realize the target type identification.

【技术实现步骤摘要】
基于快速稀疏描述的SAR目标型号识别方法
本专利技术属于图像处理
，涉及一种基于快速稀疏描述的SAR目标型号识别方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)由于其全天时、全天候、能够穿透云、雨、烟、雾等优点，已被广泛的应用于军事和民用等诸多领域。其中，基于SAR的自动目标识别(AutomaticTargetRecognition,ATR)技术是SAR应用的一个研究热点，它的研究对于环境监测、敌我识别和灾害评估等方面都有着重要意义。传统的SAR目标识别方法是针对目标类型的识别，也就是说，同一类型不同型号的样本在识别时被认为是一样的。而目标的型号识别比类型识别更具挑战性，因为同一类型目标的不同型号之间的差异非常小，如同一类型坦克上有没有机关枪、邮箱、天线是否展开等等。高精度的目标型号识别对于战场感知、精确打击等需要获取目标详细信息等应用领域是非常必要的，有着重要的应用价值。稀疏描述是一种有效的模式识别、机器学习理论，已被成功应用于雷达成像、图像处理、数据压缩、模式识别等领域。稀疏描述用于识别时，利用所有训练样本构造字典矩阵，然后求解测试样本的稀疏描述向量，最终根据稀疏描述向量计算重构误差得到识别结果。基于稀疏描述的SAR目标型号识别方法可以得到较好的识别结果，但是由于阴影效应、信号和环境的相互作用、将三维场景投影到平面等原因，SAR图像对目标方位角的变化较为敏感，为了实现较好的SAR目标型号识别，对训练样本有较大的需求，通常需要覆盖整个方位区间的大量训练样本来全面捕获目标特征，这就使得基于稀疏描述的SAR目标型号识别方法的计算复杂度较高，不利于方法的实时性和高效性。
技术实现思路
针对上述现有技术中存在的问题或缺陷，本专利技术的目的在于，提供一种基于快速稀疏描述的SAR目标型号识别方法，能够有效实现目标的型号识别，本专利技术的计算复杂度显著降低。为了实现上述目的，本专利技术采用如下技术方案：基于快速稀疏描述的SAR目标型号识别方法，包括以下步骤：步骤1，利用SAR成像方法针对多个训练样本目标获取不同方位角下的包含有训练样本目标的图像，作为训练样本图像，将针对每一个训练样本目标获取的不同方位角下的多个训练样本图像划分为同一个样本类别，方位角覆盖的范围为0°～360°；利用利用SAR成像方法获取包含有待识别目标的图像，作为测试样本图像；步骤2，对每一幅训练样本图像和测试样本图像分别进行预处理，得到预处理后的训练样本图像和预处理后的测试样本图像；预处理包括截取子图像和标准直方图均衡化；步骤3，针对每一幅预处理后的训练样本图像，均将图像中的所有像素值按列取出，排成一个训练样本列向量；针对预处理后的测试样本图像，将图像中的所有像素值按列取出，排成一个测试样本列向量；步骤4，针对步骤3中得到的所有训练样本列向量，将隶属于同一样本类别的训练样本列向量分成K块，每个块内的训练样本列向量所属的方位角度的覆盖范围为步骤5，对每个块内包含的所有训练样本列向量取平均值，得到K个平均样本列向量；步骤6，利用样本类别i(i＝1,2,...,C)内的K个平均样本列向量，形成该样本类别i下的训练样本集C表示样本类别总数；步骤7，利用获得的各个样本类别的训练样本集，形成稀疏描述中的字典矩阵步骤8，基于字典矩阵和测试样本列向量，构建优化问题；并利用正交匹配追踪方法或者基追踪方法求解优化问题，获得稀疏描述向量步骤9，利用稀疏描述向量计算重构误差ei；步骤10，基于最小重构误差准则，选择最小的重构误差ei对应的样本类别i作为输出结果，即为测试样本图像中的待识别目标所属样本类别。具体地，所述步骤2中的针对训练样本图像进行预处理的过程如下：以训练样本图像的几何中心为基准，在训练样本图像上截取包含整个目标的图像，作为训练样本子图像；对截取的训练样本子图像进行标准直方图均衡化得到均衡化后的图像，即为预处理后的训练样本图像。具体地，所述步骤5中的对每个块内包含的所有训练样本列向量取平均值，得到K个平均样本列向量，采用的公式如下：其中，表示第i(i＝1,2,…,C)个样本类别中属于第k(k＝1,2,...,K)个划分块内的所有训练样本列向量取平均值后得到的平均样本列向量，Xit表示第i个样本类别中属于第k个划分块的第t个训练样本列向量，T表示该划分块内所有训练样本列向量的数目，C表示样本类别总数，K表示划分块总数。具体地，所述步骤8中的基于字典矩阵和测试样本列向量，构建的优化问题采用如下公式进行表示：其中，arg(·)表示求目标函数的最值时的变量值，min(·)表示求最小值操作，s.t.表示约束条件，y表示测试样本列向量，a'表示字典矩阵下预处理后的测试样本列向量y的稀疏描述向量，||·||1表示取1范数，表示求解优化问题得到的稀疏描述向量最优值。具体地，所述步骤9中的利用稀疏描述向量计算重构误差ei，采用的公式如下：其中，为选择函数，其将稀疏描述向量中对应样本类别i的元素保留下来，将其余位置的元素置为零，||·||2表示取2范数。与现有技术相比，本专利技术具有以下技术效果：本专利技术考虑到虽然SAR图像对于目标方位角的变化较为敏感，但是在一定的角度范围内目标图像的形态变化不大的特点，也即在一定角度范围内目标SAR图像惰性变化的特点，将每个型号的训练样本在一定的方位区间内分别取平均，采用不同型号在不同方位区间的平均样本表征原来方位区间内的若干个样本，这样可有效减少训练样本的数目，显著降低方法的计算复杂度，提高对目标型号的识别率。附图说明图1是采用不同方法对不同型号目标的识别结果图；图2是采用本专利技术在不同方位区间下的实验结果图；图3是本专利技术的流程图；下面结合附图和具体实施方式对本专利技术的方案作进一步详细地解释和说明。具体实施方式本专利技术的基于快速稀疏描述的SAR目标型号识别方法，包括以下步骤：步骤1，利用SAR成像方法针对多个训练样本目标获取不同方位角下的包含有训练样本目标的图像，作为训练样本图像，将针对每一个训练样本目标获取的不同方位角下的多个训练样本图像划分为同一个样本类别，方位角覆盖的范围为0°～360°；利用利用SAR成像方法获取包含有待识别目标的图像，作为测试样本图像；其中，训练样本目标与待识别目标是同类型的物体，具有相似的外部特征，获取测试样本图像和训练样本图像的场景相同。例如，当待识别目标为装甲车时，将不同型号的多个装甲车作为训练样本目标。步骤2，对每一幅训练样本图像和测试样本图像分别进行预处理，得到预处理后的训练样本图像和预处理后的测试样本图像；预处理的过程如下：针对训练样本图像，以训练样本图像的几何中心为基准，在训练样本图像上截取包含整个目标的图像，即包含目标所有信息的图像，作为训练样本子图像，一般截取的训练样本子图像的大小为48×48像素；此步骤的目的在于，减少SAR图像中大面积的背景噪声对方位角估计性能产生的影响。对截取的训练样本子图像进行标准直方图均衡化得到均衡化后的图像，以减弱SAR图像中存在的不均匀散射对方位角估计性能产生的影响，即为预处理后的训练样本图像；标准直方图均衡化操作将图像像素值的变化范围调整到[0,1]，使得所有图像具有相同的动态范围。针对测试样本图像的预处理过程与针对训练样本图像的预处理本文档来自技高网...

【技术保护点】
基于快速稀疏描述的SAR目标型号识别方法，其特征在于，包括以下步骤：步骤1，利用SAR成像方法针对多个训练样本目标获取不同方位角下的包含有训练样本目标的图像，作为训练样本图像，将针对每一个训练样本目标获取的不同方位角下的多个训练样本图像划分为同一个样本类别，方位角覆盖的范围为0°～360°；利用利用SAR成像方法获取包含有待识别目标的图像，作为测试样本图像；步骤2，对每一幅训练样本图像和测试样本图像分别进行预处理，得到预处理后的训练样本图像和预处理后的测试样本图像；预处理包括截取子图像和标准直方图均衡化；步骤3，针对每一幅预处理后的训练样本图像，均将图像中的所有像素值按列取出，排成一个训练样本列向量；针对预处理后的测试样本图像，将图像中的所有像素值按列取出，排成一个测试样本列向量；步骤4，针对步骤3中得到的所有训练样本列向量，将隶属于同一样本类别的训练样本列向量分成K块，每个块内的训练样本列向量所属的方位角度的覆盖范围为

【技术特征摘要】
1.基于快速稀疏描述的SAR目标型号识别方法，其特征在于，包括以下步骤：步骤1，利用SAR成像方法针对多个训练样本目标获取不同方位角下的包含有训练样本目标的图像，作为训练样本图像，将针对每一个训练样本目标获取的不同方位角下的多个训练样本图像划分为同一个样本类别，方位角覆盖的范围为0°～360°；利用利用SAR成像方法获取包含有待识别目标的图像，作为测试样本图像；步骤2，对每一幅训练样本图像和测试样本图像分别进行预处理，得到预处理后的训练样本图像和预处理后的测试样本图像；预处理包括截取子图像和标准直方图均衡化；步骤3，针对每一幅预处理后的训练样本图像，均将图像中的所有像素值按列取出，排成一个训练样本列向量；针对预处理后的测试样本图像，将图像中的所有像素值按列取出，排成一个测试样本列向量；步骤4，针对步骤3中得到的所有训练样本列向量，将隶属于同一样本类别的训练样本列向量分成K块，每个块内的训练样本列向量所属的方位角度的覆盖范围为步骤5，对每个块内包含的所有训练样本列向量取平均值，得到K个平均样本列向量；步骤6，利用样本类别i(i＝1,2,...,C)内的K个平均样本列向量，形成该样本类别i下的训练样本集C表示样本类别总数；步骤7，利用获得的各个样本类别的训练样本集，形成稀疏描述中的字典矩阵步骤8，基于字典矩阵和测试样本列向量，构建优化问题；并利用正交匹配追踪方法或者基追踪方法求解优化问题，获得稀疏描述向量步骤9，利用稀疏描述向量计算重构误差ei；步骤10，基于最小重构误差准则，选择最小的重构误差ei对应的样本类别i作为输出结果，即为测试样本图像中的待识别目标所属样本类别。2.如权利要求1所述的基于快速稀疏描述的SAR目标型号识别方法，其特征在于，所述步骤2中的针对训练样本图像进行预处理的过程如下：以训练样本图像的几何中心为基准...

【专利技术属性】
技术研发人员：刘明，汪西莉，武杰，孙增国，洪灵，
申请(专利权)人：陕西师范大学，
类型：发明
国别省市：陕西,61