[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

说明书

本发明公开了一种基于双层嵌套结构的SAR装备任务失效成因推理方法，涉及SAR装备保障技术领域，包括：收集已知异常类型的SAR图像数据；重构样本类别，提取样本集；计算图像质量评估特征；图像特征变换、归一化处理和类标记合并；整合获取训练数据集和训练双层模型；将未知异常SAR图像处理为待测数据集；SAR装备任务失效成因推理。本发明采用双层随机森林模型，对易误分的失效原因进行合并，从而将总的类别数降低，在第一层分类器的结果的基础上使用图像局部特征对易错分的样本进行第二次分类，从而增强了随机森林模型对于异常图像分类的精度，同时克服了利用不同地形SAR图像数据训练模型效果不佳的难题，有效地提高了SAR装备任务失效成因推理的准确度。

技术领域

本发明涉及SAR装备保障技术领域，具体而言，涉及一种基于双层嵌套结构的SAR装备任务失效成因推理方法。

背景技术

当前我军处于机械化军队向信息化军队的变革时期，信息的搜集、传输和处理能力日益提高。SAR作为一种新型的高效信息获取武器，已经成为军事观测侦察的新途径。SAR成像易受多方面因素的影响，当SAR雷达执行任务回来，无法得到解译度较高、效果较好、足够清晰的图像时，即发生任务失效情况时，需要对雷达进行故障检测和维修。

传统的故障诊断和排除技术主要依靠专家经验，存在可靠性差、准确率低、虚警率高的问题，从而影响日常演练任务的完成，甚至会对实战军事行动造成不可挽回的损失，这些问题严重影响雷达装备的后勤能力和作战性能，因此目前迫切地需要一种面向任务完成度的失效成因推理方法。

发明内容

本发明在于提供一种基于双层嵌套结构的SAR装备任务失效成因推理方法，其能够缓解上述问题。

为了缓解上述的问题，本发明采取的技术方案如下：

一种基于双层嵌套结构的SAR装备任务失效成因推理方法，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；