【技术实现步骤摘要】
一种群智优化SAR雷达空中飞行目标识别系统
本专利技术涉及雷达数据处理领域，特别地，涉及一种群智优化SAR雷达空中飞行目标识别系统。
技术介绍
空中飞行目标识别技术展现出了强大的生命力，30年来出现了各种的理论方法，研究的比较成熟的算法有经典统计判决、主观Bayes推断、D-S证据理论法、神经网络和支持向量机等。因为目标识别的算法的不同有可能会造成表达识别结果的不一致，所以系统为了便于进行处理和对比把各类的识别结果的表达形式统一为主观概率。除此之外，有些研究人员对目标识别进行研究时，引入了粗糙集理论和数据挖掘。也有人将数据挖掘与粗糙集理论结合，对目标识别系统进行研究。目前，归纳学习过程广泛应用了数据挖掘技术，数据挖掘可以从大量数据中提取潜在的规律。其中利用SAR图像对空中飞行目标进行监测和识别是目前国际上的一个前沿和热点，可以通过对SAR图像进行空中飞行目标的监测识别，获取飞行目标的类型、位置以及航向等重要的信息参数。对于获取空中飞行目标的主动权、确保空中飞行目标行动的成功起到了至关重要的作用。
技术实现思路
为了克服目前基于SAR图像的空中飞行目标识别准确率不高的不...
【技术保护点】
1.一种群智优化SAR雷达空中飞行目标识别系统，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雷达对空中进行实时监测，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、群智优化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，分类器训练模块与群智优化模块相连。
【技术特征摘要】
1.一种群智优化SAR雷达空中飞行目标识别系统，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雷达对空中进行实时监测，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、群智优化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，分类器训练模块与群智优化模块相连。2.根据权利要求1所述群智优化SAR雷达空中飞行目标识别系统，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所述群智优化SAR雷达空中飞行目标识别系统，其特征在于：所述特征提取模块用以进行空中飞行目标典型特征的提取，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飞行目标的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)中根据飞行目标个体的主轴方向求得飞行目标主体区域的最小外接矩形，则该矩形的长边长度Length即为飞行目标个体的长度，矩形的短边长度Width即为飞行目标个体的宽度；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所述群智优化SAR雷达空中飞行目标识别系统，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表示飞行目标类别的标号，||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类飞行目标的数量，N表示训练集中飞行目标总数，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)：其中，i表示特征标号，ω表示飞行目标类别的标号，||Fi(ω)||2表示特征向量F...
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。