【技术实现步骤摘要】
一种面向不平衡SAR图像数据的证据融合目标识别方法
[0001]本专利技术属于信息融合及目标识别
，尤其涉及一种面向不平衡SAR图像数据的证据融合目标识别方法。
技术介绍
[0002]舰船目标识别目前在军事侦查，预警，打击中发挥着十分重要的作用。为了保障我国的全球海洋权益，提升远海远洋持续监视能力和海上安全防御能力，舰船目标快速精准识别是其中的一项关键的支撑技术。
[0003]目标识别系统一般是利用传感器探测当前数据集对目标类别进行识别。现实中渔船，货船，客船等民用船舶比较常见，对于军用舰艇，例如战斗舰艇、军用快艇等，由于受到敌方干扰和伪装等人为因素的影响，导致一方很难收集到其敌方这类船舶的信息，从而导致舰船的数据不平衡，舰船目标的整体分布情况和单个类别的分布情况差异较大。
[0004]对于不平衡数据，在进行目标识别时，特征挑选和分类器训练往往会更多关注多数类样本，忽略少数类样本，将少数类样本直接分为多数类，导致最终的分类结果不理想。如在某个数据集中，93个数据为客船类，7个数据为货船类，则在进行数据分...
【技术保护点】
【技术特征摘要】
1.一种面向不平衡SAR图像数据的证据融合目标识别方法，其特征在于，包括以下步骤：分别通过第一分类器、第二分类器和第三分类器对SAR图像目标数据进行目标识别，并分别得到第一分类结果、第二分类结果和第三分类结果；其中，第一分类器采用欠采样训练集训练得到，第二分类器采用过采样训练集训练得到，第三分类器采用组合采样训练集训练得到；所述欠采样训练集、过采样训练集和组合采样训练集均由若干个SAR图像训练数据组成；所述第一分类结果、第二分类结果和第三分类结果均包括若干个类别标签以及所述SAR图像目标数据属于该类别标签的概率值；根据修正规则分别对所述第一分类结果、第二分类结果和第三分类结果进行修正；将修正后的第一分类结果、修正后的第二分类结果和修正后的第三分类结果融合，得到所述SAR图像目标数据的分类结果；所述分类结果包括若干个类别标签以及所述SAR图像目标数据属于该类别标签的概率值。2.如权利要求1所述的一种面向不平衡SAR图像数据的证据融合目标识别方法，其特征在于，根据修正规则分别对所述第一分类结果、第二分类结果和第三分类结果进行修正包括：采用质量评价规则，基于邻域估计每个分类结果的可信度，并根据可信度对分类结果进行重分配，得到重分配概率值；其中，所述分类器为第一分类器、第二分类器或第三分类器；所述分类结果为第一分类结果、第二分类结果或第三分类结果；采用信念再分配方法确定所述重分配概率值中属于其他类/未知类的第一概率值；其中，所述其他类为在所述分类结果中除所述重分配概率值对应的类别之外的每一类别，所述未知类为所述分类结果中不存在的类别；将每一类别对应的非重分配概率值与所述第一概率值相加，得到每一类别重分配后的概率值；组合每一类别重分配后的概率值，得到修正后的分类结果。3.如权利要求2所述的一种面向不平衡SAR图像数据的证据融合目标识别方法，其特征在于，组合每一类别重分配后的概率值包括：组合每一类别重分配后的概率值以及未知类的概率值。4.如权利要求2或3所述的一种面向不平衡SAR图像数据的证据融合目标识别方法，其特征在于，所述可信度通过置信因子实现，所述置信因子的计算方法为：在训练集中选择SAR图像目标数据的K个近邻SAR图像训练数据；其中，所述训练集为欠采样训练集、过采样训练集或组合采样训练集；根据K个所述近邻SAR图像训练数据、并结合计算所述分类结果的置信因子；其中，α
l
为第l个分类结果的置信因子，γ
l
为调整属性距离和概率距离对置信因子的影响因子，d
l
为SAR图像目标数据和K个近邻SAR图像训练数据的平均距离。5.如权利要求4所述的一种面向不平衡SAR图像数据的证据融合目标识别方法，其特征在于，d
l
通过以下公式计算得出：
其中，为SAR图像目标数据和第k个近邻SAR图像训练数据的属性距离，是SAR图像目标数据的分类结果m
l
和第k个近邻SAR图像训练数据的概率距离，是训练集中的SAR图像训练数据和K个近邻SAR图像训练数据之间的平均属性距离，s为训练集中SAR图像训练数据的数量，为训练集中SAR图像训练数据x和第k个近邻SAR图像训练数据之...
【专利技术属性】
技术研发人员：刘准钆，牛佳伟，鹿瑶，潘泉，程咏梅，
申请(专利权)人：西北工业大学，
类型：发明
国别省市：
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。