[发明专利]对逆合成孔径雷达ISAR的批量成像质量评估方法

说明书

本发明公开了一种对逆合成孔径雷达ISAR的批量成像质量评估方法，主要解决现有技术耗时多，模型复杂、建模难度大的问题。其实现方案为：对N幅ISAR图像由人工视觉进行分类，并对分类好的ISAR图像贴上标签作为样本；将样本中的一半作为训练样本输入到卷积神经网络CNN中训练，提取出图像特征并得到训练好的卷积神经网络CNN′；将提取的特征输入支持向量机SVM中训练，得到训练好的支持向量机SVM′；将样本中的另一半作为测试样本输入到卷积神经网络CNN′中进行测试和提取特征，并将该特征输入支持向量机SVM′中进行分类，得到对逆合成孔径雷达ISAR的批量成像质量评估结果。本发明耗时和费用少，便于操作，效率高，可用于对雷达性能的检测和雷达设计。

技术领域

本发明属于图像处理技术领域，特别涉及一种图像质量的定量评估方法，可用于对雷达性能的检测和雷达设计。

背景技术

对于雷达技术而言，雷达图像质量的好坏是至关重要的，其决定了后续信息处理的效果。因此，对于具备成像能力的雷达系统而言，图像质量也是衡量雷达系统整体性能的重要指标，图像质量评价是图像处理领域中的一项重要研究内容。

目前，针对图像质量的评价方法，主要包括两种：

一种是主观评价方法，凭借实验人员的主观感知来评价图像的质量，通常采用连续双激励质量度量法，即对观测者连续给出原始图像和处理过的失真图像，由观测者根据主观感知给出打分值。这种方法的不足是需要针对多个测试图像进行多次重复实验，耗时多，费用高，难以操作；

另一种是客观评价方法，依据模型给出量化指标，模拟人类视觉系统感知机制衡量图像质量。但这种方法需要对雷达成像系统进行建模，模型复杂，建模难度大，参数不易设定。

发明内容

本发明的目的在于针对上述现有技术的不足，将主观评价和客观评价相结合，提出一种对逆合成孔径雷达ISAR的批量成像质量评估方法，以减少耗时和费用，便于操作，提高效率。

为实现上述目的，本发明的实现方案包括如下：

(1)对N幅ISAR图像由人工视觉分为“优”、“良”、“中”和“差”这4类，每类图像的个数为n，N≥960，n≥240；

(2)给人工分类的ISAR图像贴上不同的标签，即“优”的标签为“1”，“良”的标签为“2”，“中”的标签为“3”，“差”的标签为“4”；

(3)选取4类带标签的ISAR图像的一半作为训练样本，输入到卷积神经网络CNN中进行训练，得到训练好的卷积神经网络CNN′，并提取出所有类别的图像的特征μ；

(4)将提取得到的特征μ输入到不同正则化系数λ下的支持向量机SVM中进行训练，得到训练好的支持向量机SVMs′，进而得到训练样本的4种实际分类结果；

(5)将训练样本的实际分类结果与标签对比，确定最优的正则化系数λ′，得到最终训练好的支持向量机SVM′；

(6)选取(2)中4类带标签的ISAR图像的另一半作为测试样本，输入到经(3)训练好的卷积神经网络CNN′中进行特征提取，提取出所有类别的图像特征κ；

(7)将(6)中提取得到的特征κ输入最终训练好的支持向量机SVM′中进行分类，得到对逆合成孔径雷达ISAR的批量成像质量评估结果。

本发明与现有技术相比所具有的优点：

第一，本发明对N幅ISAR图像依据图像质量进行人工4分类，属于主观评价，考虑了图像的结构信息和细节信息，符合实验人员的主观感知，为后续提取特征和分类打下基础；

第二，本发明采用机器学习中的卷积神经网络CNN和支持向量机SVM进行特征提取和分类属于客观评价，操作简单、成本低、易于解析和嵌入实现。

附图说明