[发明专利]基于多样本支持度融合的SAR目标识别方法

摘要

本发明公开了一种基于多样本支持度融合的SAR目标识别方法，该方法的步骤包括：预处理，去除背景杂波，得到训练样本图像、测试样本的图像的归一化子图像；构建训练样本列向量以及测试样本列向量，利用训练样本列向量构造字典矩阵，求解测试样本列向量的稀疏列向量；计算重构误差、支持度、总支持度，挑选测试样本列向量近邻的训练样本列向量，计算训练样本列向量的总支持度；对所有总支持度函数进行融合，根据融合结果进行目标识别。本发明基于重构误差构建支持度函数，有效减弱了SAR目标方位角敏感特性对识别的不利影响，提高了SAR目标识别的精度；本发明挖掘相似样本的指导信息，并融合多样本信息，提高了目标识别结果的置信度。

主权项

1.一种基于多样本支持度融合的SAR目标识别方法，其特征在于，包括以下步骤：步骤1，输入训练样本图像集和测试样本图像，分别进行归一化处理，得到训练样本图像集中训练样本图像的归一化子图像以及测试样本图像的归一化子图像；步骤2，针对每一幅训练样本图像的归一化子图像，均将归一化子图像中的所有像素值按列取出，排成一个训练样本列向量；针对测试样本图像的归一化子图像，将归一化子图像中的所有像素值按列取出，排成测试样本列向量；步骤3，利用所有训练样本列向量构造字典矩阵，将测试样本列向量在字典矩阵上进行投影，求解测试样本列向量的稀疏向量；步骤4，将所述的稀疏向量分成C部分，得到C个子稀疏向量；C表示目标类别的总数；步骤5，分别计算第c个子稀疏向量中每一个非零系数αci对应的重构误差εci，其中，c＝1,2,...,C，i＝1,2,...,nc，nc表示第c个子稀疏向量中的非零系数个数；步骤6，根据每一个非零系数αci对应的重构误差εci，计算非零系数αci对类别c的支持度函数sci；根据支持度函数sci，计算对类别c的总支持度函数Sc，并对总支持度函数Sc进行归一化处理，得到归一化后的总支持度函数mtest；步骤7，计算测试样本列向量与所有训练样本列向量的欧氏距离，挑选出与测试样本列向量欧氏距离最近的K个训练样本列向量，分别构建这K个训练样本列向量的字典矩阵，得到K个训练样本列向量的稀疏向量；步骤8，对得到的K个稀疏向量按照步骤4到步骤6相同的方法进行处理，得到K个训练样本列向量的归一化后的总支持度函数m1,m2,...,mK；步骤9，对所有归一化后的总支持度函数mtest,m1,m2,...,mK进行融合，得到融合后的总支持度函数m；步骤10，从融合后的总支持度函数m中选取最大值，最大值对应的目标类别即为最终识别结果。