[发明专利]基于双层嵌套结构的SAR装备任务失效成因推理方法

权利要求书

1.一种基于双层嵌套结构的SAR装备任务失效成因推理方法，其特征在于，包括以下步骤：

S1、收集K类地形已知异常类型的SAR图像数据组，所述SAR图像数据组包括一正常SAR图像以及一异常SAR图像组，所述异常SAR图像组包括P类异常SAR图像，且各类异常SAR图像的数量均为M/P，M为异常SAR图像组中异常SAR图像的总幅数；

S2、对于每一类地形，将其异常SAR图像组中的R类异常图像Ⅰ和R类异常图像Ⅱ合并后，与组中其它类异常SAR图像一起构成样本集A1，单独提取出R类异常图像Ⅰ和R类异常图像Ⅱ并构成样本集A2，R类异常图像Ⅰ与R类异常图像Ⅱ一一对应相似，且均为包括于异常SAR图像组中的异常SAR图像；

S3、对于每一类地形，为其样本集A1构建具有N种图像评价指标的特征数据集D1^k、用于特征变换且具有N种图像评价指标的特征集Z1，为其样本集A2构建具有T种纹理特征的特征数据集D2^k、用于特征变换且具有T种纹理特征的特征集Z2，所述N种图像评价指标包括基于面目标的SAR图像评价指标、基于灰度共生矩阵的SAR图像纹理特征指标和梯度图像评价指标，所述T种纹理特征为基于灰度-梯度共生矩阵的纹理特征；

S4、对于每一类地形，对其特征数据集D1^k进行相对于特征集Z1的特征变换、归一化处理和类标记合并，并得到数据集Ⅰ，对其特征数据集D2^k进行相对于特征集Z2的特征变换、归一化处理和类标记合并，并得到数据集Ⅱ；

S5、将各类地形的数据集Ⅰ进行整合，得到训练数据集

S6、将各类地形的数据集Ⅱ进行整合，得到训练数据集

S7、训练双层模型，根据训练数据集使用随机森林算法训练得到双层模型的第一层分类器，根据训练数据集使用随机森林算法训练得到双层模型的第二层分类器；

S8、获取所述K类地形的若干幅未知异常SAR图像，对于每一类地形，对其若干幅未知异常SAR图像进行预处理，得到具有所述N种图像评价指标的特征矩阵和具有所述T种纹理特征的将K类地形的特征矩阵整合后得到待测数据集D_de3，将K类地形的特征矩阵整合后得到待测数据集D_de4；

S9、将待测数据集D_de3输入双层模型，使用其第一层分类器对待测数据集D_de3进行分类，得到第一分类结果，若该第一分类结果中不存在步骤S2中R类异常图像中的异常类型，则将其作为SAR装备任务失效成因推理结果，推理结束，否则继续执行步骤S10；

S10、将第一分类结果中与待测数据集D_de4对应相同的数据取出并构成特征数据集Ar，将第一分类结果中剩余的数据作为第一部分SAR装备任务失效成因推理结果，将特征数据集Ar输入至双层模型的第二层分类器中，得到第二分类结果，并将第二分类结果作为第二部分SAR装备任务失效成因推理结果，推理结束。

2.根据权利要求1所述基于双层嵌套结构的SAR装备任务失效成因推理方法，其特征在于，所述步骤S1中，异常SAR图像包括N1种故障类型、N2种干扰类型以及N1×N2种故障干扰叠加类型。

3.根据权利要求1所述基于双层嵌套结构的SAR装备任务失效成因推理方法，其特征在于，所述步骤S2中，根据图像的异常类型类标记判定异常图像Ⅰ与异常图像Ⅱ是否相似，所述异常类型类标记是在收集图像时所做的标记。