[发明专利]基于耦合隐马尔可夫模型的SAR图像目标交互行为识别方法

摘要

一种基于耦合隐马尔可夫模型的SAR图像目标交互行为识别方法，从SAR图像序列中检测出运动目标，用主成分分析方法提取每个运动目标的特征，用线性判别分析方法识别运动目标类型，从个体层和交互层两个层面,提取运动目标的交互行为特征并构建特征矩阵，将个体层和交互层作为两条耦合链对耦合隐马尔可夫模型进行建模，识别目标交互行为类型；该方法可有效解决单链隐马尔可夫模型无法完全表述交互行为的问题，正确识别出SAR图像序列中有交互行为的两个目标构成的目标群事件，获得较优的交互行为识别性能。

主权项

一种基于耦合隐马尔可夫模型的SAR图像目标交互行为识别方法，其特征在于：所述方法包括以下步骤：步骤1，采用Surendra背景更新算法从SAR图像序列中检测出运动目标所在的位置；步骤2，用主成分分析方法提取每个运动目标的特征，将每个训练样本表示为n维列向量，将所有以列向量表示的训练样本按列方式排列组成数据矩阵X，构建自相关矩阵C＝E[X·XT]，将C作特征值分解，选择最大n个特征值对应的特征向量为基向量构建投影子空间W＝[v1,v2,...,vn]T，将训练样本x向投影子空间投影，得到表征样本的n维特征向量a＝Wx；步骤3，用线性判别分析方法识别每个运动目标的类别属性，通过训练线性判别函数，找到合适的权向量Wk,k＝1,2,....K，使得错分样本最少，对于给定的待识别样本Ytest，通过gk(Ytest)＝WkTYtest,k＝1,2,....K，选取gk(Ytest),k＝1,2,....K中最大值所对应的类别即为待识别样本的类别；步骤4,提取运动目标的交互行为特征并构建特征矩阵，将交互行为特征提取分为个体层和交互层两个层面进行，个体层提取个体目标的运动速度作为特征，交互层提取两个目标之间的距离和运动速度之差作为特征，用上述3种运动特征构建目标i的运动特征矩阵如下所示：Fim=vi1vj1dij1vd1vi2vj2dij2vd2............vinvjndijnvdn,]]>矩阵的每一列分别代表目标i在第k帧中的运动速度目标j在第k帧中的运动速度目标i与目标j在第k帧中的距离目标i与目标j在第k帧中的运动速度之差k＝1,2,3,4......n,n为矩阵行数，表示选取的图像帧数；步骤5，用耦合隐马尔可夫模型识别目标交互行为类型，将个体层和交互层作为两条耦合链对耦合隐马尔可夫模型进行建模，将特征矩阵分为两个部分，即个体层特征vi、vj与交互层特征dij、vd，分别输入到每类模型对应的两条链中训练，识别阶段将待识别样本特征按个体层与交互层分开，分别输入到每类模型对应的两条链中，将两条链分别得到的极大似然概率相加，相加值最大的模型类型为交互行为类别。