基于稀疏表示和级联字典的SAR图像目标识别方法和装置制造方法及图纸

本发明专利技术公开了基于稀疏表示和级联字典的SAR图像目标识别方法，首先，该方法基于最大扩展平均相关高度滤波器对样本图像进行模板训练；其次，提取模板图像的单演特征，即表征信号能量的单演幅度、表征信号结构信息的单演相位和表征信号几何信息的单演方位三部分特征信息，由这三种具有互补性质的特征构造子字典，每个子字典即一个分类器，将多个子字典级联；最后，基于稀疏表示系数能量最大和重构误差最小的分类机制实现SAR图像目标分类，能实现良好的分类识别效果。

【技术实现步骤摘要】
基于稀疏表示和级联字典的SAR图像目标识别方法和装置
本专利技术涉及图像处理和模式识别领域，具体涉及合成孔径雷达(SyntheticApertureRadar，SAR)图像目标识别领域的一种基于稀疏表示和级联字典的SAR图像目标识别方法。
技术介绍
在军事战场监视与民用实时监测场合，经常需要对目标进行分类或识别。SAR图像目标分类是指雷达对目标进行探测，处理目标反射的回波信息，判定目标的属性、类别或类型。因为目标特征的高维易变性，成像时复杂的背景以及SAR传感器自身的易变因素，导致SAR图像的分类识别成为一个难题。SAR图像在获取的过程中，即使属于同一类别的两个相同目标，配置和结构方面的差异也会导致所成的SAR图像差别很大。用于SAR图像目标识别的分类器包括传统的K最近邻(K-NearestNeighbor，KNN)分类器、支持向量机(SupportVectorMachine，SVM)、神经网络等。KNN分类器为了保证识别性能，理论上要求样本数目无穷大，显然这样的条件在实际应用中很难满足；SVM分类器利用空间投影，将线性不可分问题转化为本文档来自技高网...

【技术保护点】
1.基于稀疏表示和级联字典的SAR图像目标识别方法，其特征在于，包括以下步骤：/n将含有目标的中心区域从SAR图像分割出来，去除背景噪声得到待识别图像；提取待识别图像的单演幅度、单演相位和单演方位特征；/n基于提取的单演幅度、单演相位和单演方位特征以及预先分别针对训练样本图像的单演幅度、单演相位和单演方位特征生成的子字典，利用最小化L1范数计算稀疏系数，利用系数能量最大和重构误差最小的分类机制进行目标分类识别获得识别结果。/n

【技术特征摘要】
1.基于稀疏表示和级联字典的SAR图像目标识别方法，其特征在于，包括以下步骤：
将含有目标的中心区域从SAR图像分割出来，去除背景噪声得到待识别图像；提取待识别图像的单演幅度、单演相位和单演方位特征；
基于提取的单演幅度、单演相位和单演方位特征以及预先分别针对训练样本图像的单演幅度、单演相位和单演方位特征生成的子字典，利用最小化L1范数计算稀疏系数，利用系数能量最大和重构误差最小的分类机制进行目标分类识别获得识别结果。


2.根据权利要求1所述的基于稀疏表示和级联字典的SAR图像目标识别方法，其特征在于，生成子字典的具体方法包括：
(2.1)生成训练样本图像的模板图像，对二维图像f空间上任一点，记作z＝(x,y)，对应的里斯变换核在空间域的表达式定义为：
ηs＝(ηx,ηy)，






其中，ηx是坐标x的变换核函数，ηy是坐标y的变换核函数；
(2.2)假定ω＝(μ,υ)，μ和υ表示频域的两个坐标，Log-Gabor对数滤波器的频域响应为：



其中，ω0为中心频率，σ为Log-Gabor滤波带宽的尺度；
(2.3)二维图像f经滤波产生的带通信号表示为：
h＝f*F-1(G(ω))，
其中，“*”为卷积操作符，F-1表示傅里叶逆变换；
hx＝h*ηx，
hy＝h*ηy，
其中，h为单演变换的实部，hx和hy称为单演变换的两个虚部；
(2.4)对于给定的图像f，单演幅度A，单演相位和单演方位θ通过如下公式计算得出：






θ＝arctan(hy/hx)，
(2.5)求取S个尺度Log-Gabor滤波器下第i个模板图像的单演特征，记作：



其中，Ai,S为第S个尺度Log-Gabor滤波器下第i个模板图像的单演幅度，为第S个尺度Log-Gabor滤波器下第i个模板图像的单演相位，θi,S为第S个尺度Log-Gabor滤波器下第i个模板图像的单演方位；
(2.6)将单演特征拉成一维向量，得到：



(2.7)假设训练样本总数为n，子字典Dk表示为：









其中，为第1个尺度Log-Gabor滤波器下第1个模板图像的单演幅度，为第S个尺度Log-Gabor滤波器下第n个模板图像的单演幅度，第1个尺度Log-Gabor滤波器下第1个模板图像的单演相位,为第S个尺度Log-Gabor滤波器下第n个模板图像的单演相位，第1个尺度Log-Gabor滤波器下第1个模板图像的单演方位；为第S个尺度Log-Gabor滤波器下第n个模板图像的单演方位；
(2.8)每个子字典Dk都视为一个分类器，获得三个子字典级联构成的级联字典，k＝1，2，或3。


3.根据权利要求2所述的基于稀疏表示和级联字典的SAR图像目标识别方法，其特征在于，利用EMACH滤波器训练样本图像，按每设定方位角生成训练样本图像的模板图像，具体包括；
(3.1)输入N幅训练样本图像，从左到右，从上到下逐行把每个像素点展成一维向量xi，其中i＝1,2,…,N，计算xi向量的均值m；
(3.2)定义h为EMACH滤波器，FFT()表示傅立叶运算，令β∈(0,1)，M＝FFT(m)，Xi＝FFT(xi)，计算中间参数和如下式：

【专利技术属性】
技术研发人员：季秀霞，王肖，
申请(专利权)人：南京信息职业技术学院，
类型：发明
国别省市：江苏;32