[发明专利]一种SAR图像目标识别方法

权利要求书

1.一种SAR图像目标识别方法，具体包括如下步骤：

S1.将k类训练样本的特征向量组成矩阵Θ=[Θ₁,Θ₂,...,Θ_i，...,Θ_k]，其中，第i类目标的n_i个训练样本的特征向量组成矩阵的列向量集令n=k×n_i，可得Θ∈R^m×n，矩阵的列向量为SAR图像训练样本的m维特征向量，任一目标数据的特征向量y∈R^m，其中表示m×n_i维实数数组，R^m×n表示m×n维实数矩阵，R^m表示m维实数向量；

S2.1.将目标数据表示成训练样本的线性组合，得到目标数据和训练样本之间的稀疏表示模型，即:

y=Θα

其中，α∈Rⁿ且α为线性表示的系数向量；

S2.2.将式y=Θα的求解转化为最小l₁范数凸优化问题，并对系数向量α施加非负约束，则求解y=Θα的非负稀疏重建模型为：

α^1=argmin||α||1]]>

s.t.||Θα-y||₂≤ε

α≥0

其中，表示稀疏表示的非负系数向量，ε>0为重建结果允许的误差上限，

所述的具体计算过程如下：

对的求解形式可转化为：

其中，τ为预先设置的调节系数，

由于限制α≥0，α直接表示为：

α=u,u≥0

所以minα12||y-Θα||22+τ||α||1,]]>可表示为：

minu(12||y-Θu||22+τ1nTu)]]>

s.t.u≥0

其中，为n个1组成的向量，由于α=u，为实现正确的矩阵运算这里的n取α∈Rⁿ中的n同样大小。

有：

minu(12||y-Θu||22+τ1nTu)]]>

=minu((τ1n-ΘTy)Tu-12uTΘTΘu)]]>

将重写为标准的BCQP形式有：

minzcTz+12zTBz≡F(z)]]>

s.t.z≥0

其中，

z=u,b=Θ^Ty,c=τ1_n-b,B=Θ^TΘ

目标函数F(z)的梯度方程为：

▿F(z)=c+Bz]]>

利用梯度投影算法经过t次迭代求得稀疏解z^(t+1)，进而求得稀疏表示的非负系数向量的

S3.计算中第i类上的系数之和：

si(y)=sum(δi(α^1)),(i=1,...,k)]]>

是实际情况下求得的系数向量，对于每一类i，构造函数δ_i提取第i类上的系数，对于是保留α中第i类的系数，其它类对应的系数是赋值为0的向量，其中，s_i(y)是向量的系数之和；

S4.输出目标数据类别identity(y)：将测试样本归类到样本系数之和最大的类别：

identity(y)=argmaxi(si(y)).]]>