[发明专利]一种SAR图像识别方法

摘要

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。

主权项

1.一种SAR图像识别方法，其特征在于，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为自然数；S2、计算最佳特征子空间：S21、计算S1所述N幅m×n的SAR图像的均值，记第i类图像的均值为将所述m_i转化为mn×1的列向量，记作m′_i，m′_i＝(α₁,α₂,α₃,...,α_n)^T，其中，所述m_i为大小是m×n的二维矩阵(α₁,α₂,α₃,...,α_l,...,α_n)，α_l为m×1的矢量，l＝1,2,...,n；S22、计算类内协方差矩阵和类内协方差矩阵的向量表达其中，β_l是大小为m×1的矢量，将所述转化为大小为mn×1的向量，记作所述S_ω的大小为m×m，所述S'_ω的大小为mn×mn；S23、计算类间距离矩阵Dist，若p＞q，则若p≤q，则Dist_pq＝0，其中，1≤p≤F,1≤q≤F，且p和q为整数；其中Dist_pq为类间距离矩阵Dist中的元素；S24、构造一个初始矩阵Dpq，令所有的p＞q都有dpq＝1，令所有的p≤q都有dpq＝0，其中，dpq表示矩阵Dpq中的第p行第q列元素；S25、根据S23所得类间距离矩阵Dist，采用以下步骤更新初始矩阵Dpq：S251、将S23所述类间距离矩阵Dist中的第b行元素按照值的大小从大到小的顺序进行排序，得到并记录各元素在排序前的位置索引同时求出中各元素系数在第b行中的系数百分比，其中，表示类间距离矩阵Dist中的第b行元素，1≤b≤F，表示中的第F个系数大小的元素,表示元素在排序前的位置索引；S252、对S251所述的的元素系数在第b行中的百分比进行逆序赋值给其中，表示矩阵D_pq的第b行向量，即将S251所述的的系数在第b行中的百分比乘以之后赋值给将S251所述的的系数在第b行中的百分比乘以之后赋值给直到全部赋值完成，表示D_pq第b行向量中的第l个元素，1≤l≤F；S253、根据S251‑S252遍历S24所述矩阵Dpq的每一行，得到更新后的矩阵Dpq；S26、根据公式计算投影矩阵V，其中，d_pq表示矩阵D_pq中的第p行第q列元素，S_pq＝(m_p‑m_q)(m_p‑m_q)^T；S27、判断S26所述投影矩阵V是否收敛，若投影矩阵V收敛，则转到S3，若投影矩阵V不收敛，则将S1所述F类N个m×n的SAR图像训练样本向S26所述投影矩阵V投影，重复S21‑S26，直至S26所述投影矩阵V收敛；S3、对S26所述投影矩阵V的特征值从大到小进行排序，取前k个特征值组成最优投影矩阵Vopt，其中，k＜n；S4、将S1所述F类N个m×n的SAR图像训练样本向S3所述最优投影矩阵Vopt投影，然后将待测试样本向S3所述最优投影矩阵Vopt投影，对得到的投影后的数据采用基于欧氏距离的最近邻法进行分类，得到最终的SAR图像识别结果。