[发明专利]基于CS和SVM决策级融合的SAR图像目标识别方法

说明书

技术领域

本发明属于目标识别技术领域，涉及一种基于CS和SVM决策级融合的SAR图像目标识别方法。

背景技术

SAR(Synthetic Aperture Radar，合成孔径雷达)是一种微波成像传感器，对土壤和植被具有一定的穿透能力，具有全天时、全天候、多波段、多极化和高分辨成像的特点，在国民经济和国防建设中有了越来越广泛的应用。SAR图像自动目标识别(Automatic Target Recognition，ATR)技术的研究，尤其是变形目标的识别，是目前需要迫切解决的关键问题之一。

SAR图像目标识别的过程可以描叙为：从用SAR观测得到的图像中，找到ROIS(Region of Interests,感兴趣区域)，然后对每个ROIS进行分类判断出它的类别。目前研究方法主要是基于模板匹配的方法、基于SVM(Support Vector Machine，支持向量机)的方法、基于Boosting的方法、基于CS(Compressed sensing，压缩感知)的方法等。总体来说，基于CS的方法和基于SVM的方法有优势，CS方法在没有校正方位角的情况下也能得到较高的识别率，SVM方法泛化能力很强。

为了得到更高的识别率，可利用不同特征提取方法和目标分类算法，采用信息融合方法对多视角图像、多特征和多分类器的识别结果进行融合。决策级融合是最高层次的图像信息融合，每个传感器先分别建立各自的初步判决，然后对来自各传感器的决策根据一定的准则和每个决策的可信度进行融合处理，从而获得最终的联合判决。决策级融合对分类器的选择并没有限制，但选择合适的分类器对分类精度有一定影响。本发明结合了CS和SVM的优势，从而达到提高识别率的目的。

发明内容

本发明针对现有技术的不足，提供了一种基于CS和SVM决策级融合的SAR图像目标识别方法。

本发明的具体步骤是：

步骤(1).预处理

1.1方位角的标记

对MSTAR数据库中的训练样本中7类的方位角进行手工标记，并与图像的索引建立一种映射关系。

1.2去噪、滤波

对原图进行裁剪，读取以图像中心点为中心的61×61图像区域，然后进行小波变换和均值滤波处理，以达到去噪的目的。

步骤(2).分类器模型设计

2.1建立压缩感知模型和基于压缩感知分类

2.1.1模型建立

在训练样本中，选取第i类目标的n_i张图像，将第j(j＝1,…,n_i)张图像进行预处理，然后将图像的信息存放在一个列向量里来构成A_i(A_i表示由第i类目标所有图像的信息)的第j列v_i,j(v_i,j表示第i类目标第j张图像的信息)，得到一个过完备字

A＝[A₁；...；A_i；...；A_k]＝[v_1,1,...,v_1,n1；....；v_i,1,...,v_i,j,...,v_i,ni；...；v_k,1,...,v_k,nk](m×n)。

给定测试图像y表示为

y＝Ax₀ 式(1)；

其中α_i,j为实数。x₀是稀疏系数，x₀中只有与第i类目标相对应的值为非零，其它值均为零。用l₁范数求解x₀，用数学公式表达如下：

(P₁) min||x₀||₁ subject to y＝Ax₀ 式(2)；

上式为压缩感知的优化重建问题，可求出稀疏解x₀。

2.1.2基于压缩感知分类、姿态矫正

在得到一个测试图像y时，用压缩感知模型得到一个稀疏解采用NN(Nearest Neighbor,最近邻方法)找出分类结果。对于第i类目标，定义函数：对于是系数向量，即x₀中仅与第i类目标相对应的值保持不变，其它值都赋值为零。定义残差