[发明专利]一种SAR图像识别方法

说明书

本发明属于孔径雷达(Synthetic Aperture Radar，SAR)自动目标识别技术领域，尤其涉及使用二维线性判别分析方法进行特征提取的SAR图像目标识别。一种SAR图像识别方法，给出F类二维SAR图像，计算所有的F类图像之间的类间距离，然后根据计算出的类间距离构造计算出一个权系数矩阵，利用这个权系数矩阵计算出一个投影子空间，判断这个计算出的投影子空间是否收敛，如果不收敛，则重复前面的操作重新计算新的权系数矩阵，从而得出新的特征空间，直至这个特征空间收敛。本发明能够极大地提高特征矩阵的收敛速度，从而保证了提高误识别率较高的图像的识别率的同时也最大限度的保证了其他图像的识别率。

技术领域

本发明属于孔径雷达(Synthetic Aperture Radar，SAR)自动目标识别技术领域，尤其涉及使用二维线性判别分析方法进行特征提取的SAR图像目标识别。

背景技术

SAR图像目标识别的原理是根据已知训练样本目标类别信息建立特征库，对待测样本进行特征提取，并选择与库中具有最高相似度所对应的训练样本的类型作为测试样本的分类结果。

SAR技术的迅猛发展使得其所成图像分辨率获得了很大提高，SAR图像中的目标信息也呈现爆炸性的增长，这就带来了相应数据量的大幅度增加，面对巨大的数据量，必须对目标检测和识别中的关键技术进行改进。SAR图像自动目标识别(ATR)是提高SAR检测图像利用率的重要技术，其目的是在没有人工直接干预的条件下，在较短时间内从场景中自动检测出可能的目标并识别出目标所属类别，具有重要的民用和军事应用价值，并日益成为国内外图像处理和模式识别领域的研究热点。

SAR图像具有复杂的特点，从同一目标回波中抽取的特征难免存在一定的相关性，而这种相关性往往是不易察觉的，冗余特征不仅会使运算量增大，还可能降低最终分类结果。C.J.Enderli等采用非线性的LDA对SAR图像进行目标识别，将二维SAR图像矩阵转化为一维向量进行处理，这样会导致”维数灾难”以及”小样本问题。Zhang等采用二维LDA对SAR图像目标进行特征提取。但是使用2DLDA进行分类识别的时候，会存在由于图像在投影空间中的类间距离太小而产生较大的误识别率。在文献(Chong Lu,SenJian An,Wanquan Liu,Xiaodong Liu,”An innovative Weighted 2DLDA Approach for Face Recognization”,JSign Process Syst(2011)65:81-87)中，作者Chong Lu等提出了一个加权的2DLDA算法，该算法计算各类之间的类间距离，根据这些计算结果重新定义了类间离散矩阵，该算法能够充分利用各类之间的距离关系，迭代的求出最优的投影矩阵，但是该算法用在SAR图像识别上效果不是很好，矩阵收敛速度太慢，虽然能够提高识别率较低的图像的识别率，但是同时也极大的降低了高识别率图像的识别率。

发明内容

本发明针对现有的二维线性判别式分析法(2DLDA)上的不足，提出了加权的2DLDA(weighted 2DLDA，W_2DLDA)的SAR图像目标识别方法，实现对SAR图像中目标类别的准确判别。

本发明的技术方案为：给出F类二维SAR图像，计算所有的F类图像之间的类间距离，然后根据计算出的类间距离构造计算出一个权系数矩阵，利用这个权系数矩阵计算出一个投影子空间，判断这个计算出的投影子空间是否收敛，如果不收敛，则重复前面的操作重新计算新的权系数矩阵，从而得出新的特征空间，直至这个特征空间收敛。

一种SAR图像识别方法，包括如下步骤：

S1、确定SAR图像样本训练矩阵，即选取F类N个m×n的SAR图像训练样本，记作：A₁，A₂,…,A_i,…,A_N，其中，第i类样本的个数为N_i，第i类的第j个样本为i＝1,2,3,...,F，j＝1,2,3,...,N_i，m,n为不为零的自然数；