基于在线局部Fisher矢量机的SAR图像目标识别方法及系统技术方案

本发明专利技术公开了一种基于在线局部Fisher矢量机的SAR图像目标识别方法及系统，包括：S1、对SAR图像训练数据进行裁剪并在行上堆叠为向量数据，对向量数据划分预训练集并利用预训练集中的SAR图像训练数据进行分类模型预训练，以得到一次更新的分类模型参数；S2、将一次更新后的分类模型参数作为初值输入分类模型，并将预训练集加入缓冲池，在分类模型接收到任意样本数据时，将样本数据加入缓冲池对分类模型进行训练，并遍历所有样本数据以得到二次更新的分类模型参数；S3、对SAR图像检测数据进行裁剪并在行上堆叠为向量数据，利用二次更新的分类模型参数来计算分类模型函数值并对数据进行预测分类。本发明专利技术具有更高效、更准确、可适应大规模数据的优势。大规模数据的优势。大规模数据的优势。

【技术实现步骤摘要】
基于在线局部Fisher矢量机的SAR图像目标识别方法及系统


[0001]本专利技术涉及图像识别
，特别涉及一种基于在线局部Fisher矢量机的SAR图像目标识别方法及系统。

技术介绍

[0002]合成孔径雷达(Synthetic Aperture Radar,SAR)是可以在能见度极低的气象条件下得到类似光学照相的高分辨率雷达图像的一种技术，其工作原理是利用雷达与目标的相对运动，把尺度较小的真实天线孔径用数据处理的方法合成为一个较大的等效天线孔径，所得到的高方位分辨率相当于一个大孔径天线所提供的方位分辨率。
[0003]与其它大多数雷达一样，合成孔径雷达通过发射电磁脉冲和接收目标回波之间的时间差测定距离，其分辨率与脉冲宽度或脉冲持续时间有关，脉宽越窄分辨率越高。合成孔径雷达通常装在飞机或卫星上，分为机载和星载两种。合成孔径雷达按平台的运动航迹来测距和二维成像，其两维坐标信息分别为距离信息和垂直于距离上的方位信息。方位分辨率与波束宽度成正比，与天线尺寸成反比，就像光学系统需要大型透镜或反射镜来实现高精度一样，雷达在低频工作时也需要本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于在线局部Fisher矢量机的SAR图像目标识别方法，其特征在于，包括以下步骤：S1、对SAR图像训练数据进行裁剪并在行上堆叠为向量数据，对向量数据划分预训练集并利用预训练集中的SAR图像训练数据进行分类模型预训练，以得到一次更新的分类模型参数；S2、将一次更新后的分类模型参数作为初值输入分类模型，并将预训练集加入缓冲池，在分类模型接收到任意样本数据时，将样本数据加入缓冲池对分类模型进行训练，并遍历所有样本数据以得到二次更新的分类模型参数；S3、对SAR图像检测数据进行裁剪并在行上堆叠为向量数据，利用二次更新的分类模型参数来计算分类模型函数值并对数据进行预测分类。2.如权利要求1所述的基于在线局部Fisher矢量机的SAR图像目标识别方法，其特征在于，所述分类模型的函数形式为：其中，f(x)为分类模型函数值；K(x
i
，x)为核函数；α＝[α1，
…
，α
n
]
T
∈R
n
为分类模型参数，n为预训练集中的数据个数；在预训练时，将α初始化为0向量。3.如权利要求2所述的基于在线局部Fisher矢量机的SAR图像目标识别方法，其特征在于，在步骤S1中，对预训练集中的第t(t≤n)个样本(x
t
，y
t
)，采用以下公式进行分类模型参数一次更新：数一次更新：其中，f
t
(x
i
)表示第t次迭代产生的分类模型函数值，η
t
表示学习率，λ1和λ2为非负正则项系数，w
it
表示关联x
i
与x
t
两点的边权重值；α
(t+1)
∈R
t+1
表示第t+1轮预训练结束后的分类模型参数，其具体形式为当t＝n时，预训练结束，得到一次更新后的分类模型参数α。4.如权利要求3所述的基于在线局部Fisher矢量机的SAR图像目标识别方法，其特征在于，在步骤S2中，采用以下公式进行分类模型参数二次更新：于，在步骤S2中，采用以下公式进行分类模型参数二次更新：于，在步骤S2中，采用以下公式进行分类模型参数二次更新：于，在步骤S2中，采用以下公式进行分类模型参数二次更新：其中，η
t
表示学习率，γA和γI为正则项系数；α
(t+1)
表示第t+1次更新之后的α，其具体
形式为形式为表示样本x
t
对应的缓冲池中异类最近邻样本，表示x
t
对应的缓冲池中同类最近邻样本，表示对应的值，表示对应的值，n＜t≤l，t
b
，t
w
∈[1，m]，m表示缓冲池中样本个数；遍历完所有样本数据后，得到二次更新后的分类模型参数α。5.如权利要求1所述的基于在线局部Fisher矢量机的SAR图像目标识别方法，其特征在于，步骤S3中采用如下规则对数据进行预测分类；其中，f(x)为利用二次更新的分类模型参数计算得到的分类模型函数值。6.基于在线局部Fisher矢量机的SAR图像目标识别系统，其特征在于，包括以...

【专利技术属性】
技术研发人员：张莉，苏畅之，赵雷，王邦军，
申请(专利权)人：苏州大学，
类型：发明
国别省市：