【技术实现步骤摘要】
一种自适应群智能优化SAR雷达海上舰船目标识别系统
本专利技术涉及雷达数据处理领域,特别地,涉及一种自适应群智优化SAR雷达海上舰船目标识别系统。
技术介绍
海上舰船目标作为海上监测、海上搜救和海上安全的重点目标,能否快速准确地识别复杂海况下舰船目标,为海上监测、安全、搜救决策提供支持,极大地关系到海上监测、海上安全、海上搜救的质量与效果。判断复杂海况下舰船的情况,是以其能够被精确识别为基础的,只有准确地检测并识别了复杂海况下关注的重点舰船目标,才能对其海上监测、海上安全、海上搜救等做出准确的分析与预测,从而辅助做出正确的决策。现代海上搜救、海上监测、海上安全等行动中,舰船目标作为复杂海况下重点的海上目标,不同类型的舰船目标在进行海上监测、海上安全、海上搜救等海事行为方式是不同的。为了精确地完成海上监测、海上安全、海上搜救等海事任务,目标的识别是关键问题。目前基于SAR图像的舰船目标检测已经有了广泛的研究,而舰船目标分类识别由于SAR图像分辨率的限制才刚刚起步,已有的一些研究成果也由于研究不够透彻,模型的效果并不是很好。因此,积极开展基于高分辨率SAR图像的舰船目标分类识别研究具有极其重大的意义。
技术实现思路
为了克服目前基于SAR图像的海上舰船目标识别准确率不高的不足,本专利技术的目的在于提供一种实现实时分析的自适应群智优化SAR雷达海上舰船目标识别系统。本专利技术解决其技术问题所采用的技术方案是:一种自适应群智能优化SAR雷达海上舰船目标识别系统,包括SAR雷达、数据库以及上位机,SAR雷达、数据库和上位机依次相连,所述SAR雷达对海域进行实时监测,并将 ...
【技术保护点】
1.一种自适应群智能优化SAR雷达海上舰船目标识别系统,其特征在于:包括SAR雷达、数据库以及上位机,SAR雷达、数据库和上位机依次相连,所述SAR雷达对海域进行实时监测,并将SAR雷达获得的图像数据存储到所述的数据库中,所述的上位机包括图像预处理模块、特征提取模块、分类器训练模块、分类器训练模块、自适应群智寻优模块和结果显示模块,所述图像预处理模块、特征提取模块、分类器训练模块、分类器训练模块和结果显示模块依次相连,分类器训练模块与自适应群智寻优模块相连。
【技术特征摘要】
1.一种自适应群智能优化SAR雷达海上舰船目标识别系统,其特征在于:包括SAR雷达、数据库以及上位机,SAR雷达、数据库和上位机依次相连,所述SAR雷达对海域进行实时监测,并将SAR雷达获得的图像数据存储到所述的数据库中,所述的上位机包括图像预处理模块、特征提取模块、分类器训练模块、分类器训练模块、自适应群智寻优模块和结果显示模块,所述图像预处理模块、特征提取模块、分类器训练模块、分类器训练模块和结果显示模块依次相连,分类器训练模块与自适应群智寻优模块相连。2.根据权利要求1所述自适应群智能优化SAR雷达海上舰船目标识别系统,其特征在于:所述图像预处理模块用以进行SAR雷达图像数据预处理,采用如下过程完成:1)从数据库中传来的SAR图像灰度级为L,f(x0,y0)为像素点(x0,y0)处的灰度值,g(x0,y0)为像素点(x0,y0)的N×N邻域内像素的平均值,其中x0,y0分别表示像素点的横坐标和纵坐标;2)通过计算满足f=m和g=n的像素数目h(m,n),得到二维联合概率密度pmn:pmn=p(m,n)=h(m,n)/M其中,M表示图像像素的总数目;3)计算二维直方图的均值向量μ:4)分别计算图像中目标和背景出现的概率P0,1和均值向量μ0,1:其中,t、s、下标0、下标1分别表示f分割阈值、g分割阈值、目标区域、背景区域;5)计算类间方差BCV:BCV=P0(μ0-μ)(μ0-μ)′+P1(μ1-μ)(μ1-μ)′;其中,μ表示均值向量,上标’表示矩阵的转置。6)最佳阈值即为使得BCV为最大值时的二维阈值向量[s0,t0]:3.根据权利要求1所述自适应群智能优化SAR雷达海上舰船目标识别系统,其特征在于:所述特征提取模块,用以进行舰船典型特征的提取,采用如下过程完成:1)从图像预处理模块传来的只包含一个舰船目标的SAR图像切片I(m,n),其中只包含目标区域的二值图为B(m,n),则只包含目标的图像T(m,n):T(m,n)=I(m,n)×B(m,n)其中,×表示对应像素相乘;2)在B(m,n)中根据舰船个体的主轴方向求得舰船主体区域的最小外接矩形,则该矩形的长边长度Length即为舰船个体的长度,矩形的短边长度Width即为舰船个体的宽度;3)计算得到几何结构特征,其中包括周长、面积、长宽比、形状复杂度、目标质心位置以及转动惯量:周长面积长宽比R=Length/Width;形状复杂度C=Length2/4πS;目标区域的质心位置转动惯量式中,r代表了目标像素点与质心之间的距离,4)计算得到灰度统计特征,其中包括质量、均值、方差系数、标准差、分形维数、加权填充比:质量均值方差系数标准差式中分别表示灰度对数和、灰度对数平方和;分形维数H=(log10N1-log10N2)/(log10d1-log10d2),该特征的计算方法是:用分割后的SAR图像切片构建一个保留了目标区域的K(这里取K=50)个最亮像素点的二值图B2(m,n),首先将一个大小为d1×d2的窗口在这个二值图中连续滑动,记下窗口中包含亮点的窗口总数记为N1,接着再用一个大小为d2×d2的窗口在这个二值图中连续滑动,记下在窗口中包含亮点的窗口总数记为N2;加权填充比4.根据权利要求1所述自适应群智能优化SAR雷达海上舰船目标识别系统,其特征在于:所述特征选择模块用以选择出最优特征子集,采用如下过程完成:1)计算类内距离类间距离以及类内类间距Ji:其中,i表示特征标号,ω表示舰船类别的标号,||Fi(ω)||2表示特征向量Fi(ω)的2范数,表示训练集样本的总体均值,Nω表示第ω类舰船的数量,N表示训练集中舰船总数,E表示期望,下标W、下标B分别表示类内、类间。2)计算得到归一化方差系数ρi(ω):ρi(ω)=E...
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。