[发明专利]一种基于视觉注意机制的SAR图像协同目标识别方法

权利要求书

1.一种基于视觉注意机制的SAR图像协同目标识别方法，其特征在于，包括以下步骤：

步骤1，建立SAR图像的尺度空间表示；提取低层视觉特征图，包括提取亮度特征、轮廓特征以及方向特征；

步骤2，对视觉任务进行语义转换，将视觉任务转换、分解为与步骤1中视觉特征对应的视觉特征图，计算各视觉特征图的权重，生成与视觉任务相关的视觉任务显著图；

步骤3，利用视觉任务显著图选择SAR图像中的显著目标区域，实现SAR图像中目标区域的前景和背景的分离；

步骤4，已知原型目标的学习，通过协同学习算法对各种已知原型目标的样本进行学习，得到已知原型目标特征及已知原型目标特征空间，生成已知原型目标知识库；

步骤5，显著目标区域中目标的协同识别：基于已知原型目标知识库，利用协同模式识别序参量动力学迭代过程，对选择出的SAR图像显著目标区域中目标的进行识别。

2.根据权利要求1所述的一种基于视觉注意机制的SAR图像协同目标识别方法，其特征在于，步骤1包括建立SAR图像的高斯金字塔尺度表示，提取不同尺度图像的轮廓特征和方向特征，利用中央周边差算子得到亮度视觉特征图、轮廓视觉特征图以及方向视觉特征图。

3.根据权利要求2所述的一种基于视觉注意机制的SAR图像协同目标识别方法，其特征在于，步骤2中，通过归一化亮度视觉特征图、轮廓视觉特征图以及方向视觉特征图，将语义表示的视觉任务转换为与低层视觉特征相对应的视觉特征图，进而根据各个视觉特征图的权重生成与视觉任务相关的视觉任务显著图。

4.根据权利要求3所述的一种基于视觉注意机制的SAR图像协同目标识别方法，其特征在于，步骤3中，基于视觉任务显著图，根据返回抑制机制依次选择SAR图像中的显著目标区域。

5.根据权利要求4所述的一种基于视觉注意机制的SAR图像协同目标识别方法，其特征在于，步骤4中，利用基于独立分量分析的协同学习算法计算已知原型目标样本的特征向量，构建已知原型目标样本特征空间，生成已知原型目标知识库，并计算每个已知原型目标样本特征向量的伴随向量。

6.根据权利要求5所述的一种基于视觉注意机制的SAR图像协同目标识别方法，其特征在于，步骤5包括：将选择出的SAR图像显著目标区域映射到目标特征空间中，生成显著目标区域特征向量，计算显著目标区域初始序参量，如果显著目标区域初始序参量的最大值大于设定阈值，由序参量动力学迭代方程进行显著目标区域识别并输出识别结果；如果显著目标区域的初始序参量的最大值小于设定阈值，再次通过基于独立分量分析的协同学习算法对未知目标进行学习，并将学习的结果动态增加到已知原型目标知识库中。