一种合成孔径雷达自动目标识别的方法技术

技术编号:8271704 阅读:231 留言:0更新日期:2013-01-31 04:03
一种合成孔径雷达自动目标识别的方法,合成孔径雷达自动目标识别主要有三个步骤:SAR图像预处理、特征提取、目标分类,该发明专利技术应用于合成孔径雷达自动目标识别的特征提取和目标分类两个步骤,解决了在高维SAR图像中无法提取有效的识别信息的问题。该发明专利技术引入流形结构理论,是一种基于邻域鉴别嵌入准则的合成孔径雷达自动目标识别方法,其步骤如下:A:初始化;B:构造相似性矩阵和差异性矩阵;C:基于最大边缘准则计算目标矩阵;D:计算投影矩阵;E:根据投影矩阵,对训练样本进行特征提取,获得训练样本特征;对待分类的SAR图像进行特征提取,获得测试样本特征;F:根据最近邻分类器,对测试SAR图像进行分类;其中A~E步骤是特征提取阶段,F步骤是目标分类阶段。采用本方法可以提高目标被正确识别的概率。

【技术实现步骤摘要】
本专利技术属于合成孔径雷达(Synthetic Aperture Radar,简称SAR)领域,它特别涉及自动目标识别(Automatic Target Recognition, ATR)中SAR图像的特征提取和目标分类领域。
技术介绍
众所周之,SAR自动目标识别是SAR成像的一个重要的应用方面,它综合了现代信号处理技术和模式识别理论,利用计算机对采集的信息进行自动分析,完成发现、定位、识别目标,从而使得ATR技术可以提供目标属性、类别等信息。通过SAR ATR技术,可以去除SAR图像中的干扰信息和目标的冗余信息,提取出目标的鉴别特征,既提高了对未知目标的识别能力,又缩短了分类时间。SAR ATR主要包括三个步骤,即SAR图像预处理、特征提取和目标分类。其中特征提取是SAR ATR的关键问题,它直接影响着分类的效果。特征提取的目的是利用各种变换技术改善原始数据在特征空间中的分布结构,去除冗余信息,从而提高了数据的可鉴别性,减少运算量° 在文献《Efficient and Robust Feature Extraction by Maximum MarginCriterion))中,提出了本文档来自技高网...

【技术保护点】
一种合成孔径雷达自动目标识别方法,其特征是它包括以下步骤:步骤1、初始化读取SAR图像,将读取的SAR图像按列拼接,得到列向量;定义含有N幅SAR图像的训练集合表示为矩阵X=(x1,x2,…,xi,…,xN)∈Rm×N,其中,N表示这组训练样本集合中的样本个数,N是正整数,x1是第一个训练样本,x2是第二个训练样本,xi是第i个训练样本,xN是第N个训练样本,i?∈{1,2,…,N};每个训练样本的维数是m×1维,m表示SAR图像的像素个数,R表示实数集合;定义训练样本的类别标号集合表示为矩阵Y=(y1,y2,…,yi,…,yN),其中y1是训练样本x1的类别标号,y2是训练样本x2的类别标号...

【技术特征摘要】
1.一种合成孔径雷达自动目标识别方法,其特征是它包括以下步骤 步骤I、初始化 读取SAR图像,将读取的SAR图像按列拼接,得到列向量;定义含有N幅SAR图像的训练集合表示为矩阵X= (X1, X2,…,Xi, -,xN) e Rdixn,其中,N表示这组训练样本集合中的样本个数,N是正整数,X1是第一个训练样本,X2是第二个训练样本,Xi是第i个训练样本,xN是第N个训练样本,i e {1,2,···,Ν};每个训练样本的维数是mX I维,m表示SAR图像的像素个数,R表示实数集合;定义训练样本的类别标号集合表示为矩阵Y=G1, y2,···, Yi, ---,Yn),其中Y1是训练样本X1的类别标号,y2是训练样本X2的类别标号,Ii是训练样本Xi的类别标号,yN是训练样本xN的类别标号,i e {1,2,-,N};定义SAR图像测试样本集合表示为矩阵X’=(x/ ’X丨2,…,V,…,X' ...

【专利技术属性】
技术研发人员:黄钰林王兵杨建宇王涛武俊杰李文超刘娴
申请(专利权)人:电子科技大学
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 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。

1