【技术实现步骤摘要】
一种基于双层分类网的高分辨率合成孔径雷达船只识别方法
本专利技术涉及高分辨率合成孔径雷达图像的处理方法，尤其是针对合成孔径雷达遥感图像中船只目标的高鲁棒性识别方法。
技术介绍
近年来，利用合成孔径雷达(SAR，SyntheticApertureRadar)遥感图像，进行船只检测与识别在海洋遥感应用领域得到了高度重视。SAR能够全天时、全天候对大范围海洋区域进行观测，是进行大范围海域船只识别的有效手段之一。随着各种SAR系统的研究和大规模投入使用，我国在利用SAR图像进行海洋监测的应用领域开展了一系列深入的研究。如国防科技大学，高贵等，提出利用目标峰值序列的特性及其特征提取的方法进行SAR图像目标识别；中国海洋大学，张晰等，通过考虑SAR船只结构特征，提出了采用船只的长宽、峰值等初级特征，及多极化信息分析了船只的散射特征，从而实现船只的分类识别；第二炮兵工程学院，董江曼等，根据海洋上所具有的背景单一、目标结构复杂的特点，提出了利用船只目标的结构特征量对SAR图像船只识别的方法。综上已有的方法，在识别特征提取方面，以往方法大都采用外观几何结构、电磁散射、变换域、局部描...
【技术保护点】
1.一种基于双层分类网的高分辨率合成孔径雷达船只识别方法，其特征在于包括：1)基于强散射点邻域的初级特征提取，包括1.1)基于强散射点的目标邻域块划分，根据合成孔径雷达图像中目标区域强散射强度影响，对应强散射点周围邻域图像进行领域块划分，1.2)邻域块初级图像特征提取，基于步骤1.1)目标邻域块划分，对每块邻域区，提取局部目标散射特征、基于灰度共生矩阵的纹理特征、基于局部二值模式特征点描述的局部特征等图像初级特征，2)基于单类支持向量机分类器的词袋中层特征编码，即分类网第一层，包括：2.1)强散射点邻域特征视觉词典构建，基于上一步对每个强散射点邻域提取的初级图像特征，利用聚...
【技术特征摘要】
1.一种基于双层分类网的高分辨率合成孔径雷达船只识别方法，其特征在于包括：1)基于强散射点邻域的初级特征提取，包括1.1)基于强散射点的目标邻域块划分，根据合成孔径雷达图像中目标区域强散射强度影响，对应强散射点周围邻域图像进行领域块划分，1.2)邻域块初级图像特征提取，基于步骤1.1)目标邻域块划分，对每块邻域区，提取局部目标散射特征、基于灰度共生矩阵的纹理特征、基于局部二值模式特征点描述的局部特征等图像初级特征，2)基于单类支持向量机分类器的词袋中层特征编码，即分类网第一层，包括：2.1)强散射点邻域特征视觉词典构建，基于上一步对每个强散射点邻域提取的初级图像特征，利用聚类的方法形成视觉词典，2.2)基于视觉单词直方图的词袋中层特征编码，其中首先将训练集划分为两个集合，分别是：视觉单词训练样本集和中层特征编码训练样本集，其中，对船只视觉单词训练样本集中的每个样本，进行强散射点周围邻域的初级图像特征提取，并由欧式距离判断其所属的视觉单词类型，则，对每个强散射点邻域，以提取的初级特征为描述特征，以判断的视觉单词类型为标签，基于单类支持向量机进行视觉单词判决准则的训练，获得视觉单词判决准则，接着，经过上述“基于强散射点邻域的初级特征提取”，并利用上一步得到的视觉单词判决准则，对每个样本中的所有强散射点进行视觉单词判别，并将判别结果按出现的频次统计为视觉单词直方图，每个目标样本对应一个视觉单词直方图，就此完成中层特征编码，3)基于词袋中层编码特征的船只分类，即分类网第二层，包括：3.1)训练阶段，其中对中层特征编码训练样本集中每个船只样本，提取的初级特征为描述特征，以判别的视觉单词类型为标签，然后进行上述步骤2.2)；接着，利用多类支持向量机分类器进行训练，形成不同类型船只的分类判决准则，3.2)预测阶段，其中对需要预测的船只样本，经过上述步骤1)及步...
【专利技术属性】
技术研发人员：毕福昆，侯金元，葛娴君，杨志华，雷明阳，王崇磊，
申请(专利权)人：北方工业大学，
类型：发明
国别省市：北京,11
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。