[发明专利]一种基于双层分类网的高分辨率合成孔径雷达船只识别方法

摘要

本发明提出了一种基于双层分类网的高分辨率SAR船只识别方法。该方法涉及高分辨率SAR图像自动处理，提出双层分类网的分类策略，尤其针对SAR遥感图像中船只目标的高鲁棒性识别。第一步针对SAR图像中强散射点的目标邻域块进行划分，基于邻域块提取图像的初级特征。第二步，针对特征邻域用K‑means形成视觉词典，基于OC‑SVM分类器构建Bow中层特征编码，构建分类网第一层。第三步，中层特征编码训练样本集中每个船只样本，提取初级特征为描述特征，以判别的视觉单词类型为标签。利用多类SVM形成不同船只的分类判别准则，形成分类网的第二层分类。该方法能有效提取高分辨SAR图像中船只目标关键部位的语义级特征，对应设计提出的双层分类网能进行有效识别。

主权项

1.一种基于双层分类网的高分辨率合成孔径雷达船只识别方法，其特征在于包括：1)基于强散射点邻域的初级特征提取，包括1.1)基于强散射点的目标邻域块划分，根据合成孔径雷达图像中目标区域强散射强度影响，对应强散射点周围邻域图像进行领域块划分，1.2)邻域块初级图像特征提取，基于步骤1.1)目标邻域块划分，对每块邻域区，提取局部目标散射特征、基于灰度共生矩阵的纹理特征、基于局部二值模式特征点描述的局部特征等图像初级特征，2)基于单类支持向量机分类器的词袋中层特征编码，即分类网第一层，包括：2.1)强散射点邻域特征视觉词典构建，基于上一步对每个强散射点邻域提取的初级图像特征，利用聚类的方法形成视觉词典，2.2)基于视觉单词直方图的词袋中层特征编码，其中首先将训练集划分为两个集合，分别是：视觉单词训练样本集和中层特征编码训练样本集，其中，对船只视觉单词训练样本集中的每个样本，进行强散射点周围邻域的初级图像特征提取，并由欧式距离判断其所属的视觉单词类型，则，对每个强散射点邻域，以提取的初级特征为描述特征，以判断的视觉单词类型为标签，基于单类支持向量机进行视觉单词判决准则的训练，获得视觉单词判决准则，接着，经过上述“基于强散射点邻域的初级特征提取”，并利用上一步得到的视觉单词判决准则，对每个样本中的所有强散射点进行视觉单词判别，并将判别结果按出现的频次统计为视觉单词直方图，每个目标样本对应一个视觉单词直方图，就此完成中层特征编码，3)基于词袋中层编码特征的船只分类，即分类网第二层，包括：3.1)训练阶段，其中对中层特征编码训练样本集中每个船只样本，提取的初级特征为描述特征，以判别的视觉单词类型为标签，然后进行上述步骤2.2)；接着，利用多类支持向量机分类器进行训练，形成不同类型船只的分类判决准则，3.2)预测阶段，其中对需要预测的船只样本，经过上述步骤1)及步骤2)，获得样本的词袋中层编码特征，接着采用上一步获得的不同类型船只分类判决准则进行判别，获得船只的最终分类结果。