[发明专利]空间目标图像分类与识别方法

说明书

技术领域

本发明涉及一种图像分类与识别方法，具体是一种空间目标图像分类与识别方法。

背景技术

空间目标识别技技术是空间目标监视系统的关键部分，对促进航天事业的发展都具有重要的意义。目前空间目标图像的获取主要依靠雷达和光学系统。雷达系统主要用于低轨道的空间目标的探测和跟踪，光学系统主要用于探测和跟踪高轨道的空间目标。在不断提高探测灵敏度和跟踪精度的同时还能够对空间目标的成像，这对于了解空间目标的细部面貌，更加准确的掌握目标的特性，准确识别空间目标提供了可靠的保障。

现有的空间目标图像分类与识别方法主要依照传统的图像识别流程，文献“多视点空间目标识别方法研究，装备指挥技术学院学报，2009，Vol.20(6)，p55-59”公开了一种在图像分割基础上的空间目标识别方法。此方法首先采用多视点特征法建立了绕双轴旋转的目标二维图像模型库，采用常用滤波器和形态学相结合的方法进行图像分割，然后采用组合不变矩对分割后的图像提取目标特征向量，最后使用BP神经网络实验目标的分类与识别。但是在图像分割阶段，由于空间目标图像通常比较模糊、噪声干扰大、并且姿态变化很大，难以达到理想的分割效果。在特征提取阶段，由于空间目标图像获取困难，图像样本经常是小样本，提取的组合不变矩特征具有局限性，不能很好的表达训练图像样本的统计特性，影响分类器的性能。由于以上不足，导致系统对噪声大的图像识别率不高，在噪声方差为0.06，只有两个目标类时，总体识别率只有90.95％、且实时性差、效率低，对于小样本问题，也需要15.86秒的时间。

发明内容

为了克服现有的空间目标图像识别方法对噪声大图像的识别率低的不足，本发明提供一种空间目标图像分类与识别方法。该方法根据训练样本构造过完备稀疏表示字典，通过观测矩阵对测试样本进行随机测量，再通过求解最优化问题进行分类与识别。由于整个过程避免了现有技术中复杂的预处理和特征提取工作，使分类与识别过程一体化，因此可以提高对噪声大图像的识别率。

本发明的技术方案是：一种空间目标图像分类与识别方法，其特点是包括下述步骤：

(a)对空间目标图像训练样本降采样，设有C类训练样本，第i类有n_i幅图像，其中第j个训练样本图像x_i，j降采后表示为列向量d_i，j∈Rⁿ，则第i类训练样本表示为：

Di=[di,1,di,2,...,di,ni]∈Rn×ni---(1)]]>

式中，n是每幅图像拉成列向量后的维数，d_i，1，d_i，2，分别是第i类的第1、2、n_i个图像降采后拉成的n×1列向量，D_i是由第i类训练样本构成的表示矩阵，则由所有训练样本图像组成的过完备稀疏表示矩阵D′表示为：