[发明专利]基于散射点和K中心一类分类器的SAR目标鉴别方法

权利要求书

1.一种基于散射点和K中心一类分类器的SAR目标鉴别方法，包括：

(1)训练步骤：

(1a)对SAR图像I进行恒虚警检测，得到二值图像C，对该二值图像进行聚类，得到疑似目标区域，以疑似目标区域的重心为几何中心，截取m×n的切片x_i，i＝1,...,N，N是从SAR图像I中提取切片的总个数；

(1b)从切片{x₁,x₂,...,x_i,...,x_N}中选取包含真实目标的切片{y₁,y₂,...,y_j,...,y_Q}构成训练样本集，其中j＝1,...,Q，Q≤N，Q是训练样本个数；

(1c)估计训练样本y_j的信号能量比，以此为门限从训练样本y_j中提取散射点矩阵A_j，并对散射点矩阵A_j的幅度进行2-范数归一，2-范数归一后的散射点矩阵记为A'_j；

(1d)根据预先给定的中心个数K，K≤Q，用K中心一类分类器，将训练样本对应的散射点集{A'₁,A'₂,...,A'_j,...,A'_Q}聚为K簇，同时保存这K簇的中心

(1e)根据预先给定的拒判率P和K簇的中心计算K中心一类分类器的门限Thr，其中0≤P＜1；

(2)测试步骤：

(2a)估计测试切片z的信号能量比，并依此为门限提取散射点矩阵B，对散射点矩阵B的幅度进行2-范数归一，2-范数归一后的散射点矩阵记为B'；

(2b)计算测试样本的散射点矩阵B'与步骤(1e)得到的K簇的中心之间的最小双向Hausdorff距离d_B；

(2c)将测试样本的散射点矩阵B'与K簇的中心之间的最小双向Hausdorff距离d_B与步骤(1e)得到的K中心一类分类器的判决门限Thr进行比较，如果d_B≤Thr，则测试样本z为目标，否则，测试样本z为杂波虚警。