[发明专利]一种基于局部结构保持类子字典学习的目标识别方法

摘要

该发明公开了一种基于局部结构保持类子字典学习的目标识别方法，属于合成孔径雷达(SAR)图像解译领域，特别涉及一种基于局部结构保持的类字典学习方法，实现SAR自动目标识别。与传统的基于稀疏模式预设稀疏表征方法不同，本发明可以为每类目标学习一个鉴别能力强的类字典。在字典学习过程中，利用Tikhonov正则化准则对稀疏表征向量施加局部加权，从而可得到更优的稀疏特征。此外，考虑到SAR图像对目标姿态变化非常敏感，在测试阶段，样本可通过在每类类字典上进行重构，并将目标分配给重构误差最小的类字典对应的类标签。

主权项

1.一种基于局部结构保持类子字典学习的目标识别方法,该方法包括:/n步骤1：给定训练目标样本X＝[X₁,X₂,…,X_C]，X_i表示第i类目标训练样本，x_i,j表示第i类样本的第j张视图，N_i是第i类目标的样本数，C是训练样本的类别数；/n步骤2：基于给定的训练样本，得到每一类样本的初始化类字典，D＝[D₁,D₂,…,D_C]，其中D_i表示第i类样本对应的初始子字典；/n步骤3：为了在字典学习过程中保持样本的局部属性，对样本对应的稀疏特征进行局部加权，具体方法为：/n /n其中，||·||₂表示2范数，λ是一个平衡重构误差和稀疏度的正则化参数，Γ表示Tikhonov正则化矩阵；/n步骤4：通过步骤3的模型，求解得到局部结构保持的类字典/n其中表示求解得到的第i类样本对应的局部结构保持的类字典；/n步骤5：测试样本y利用如下模型得到其在类字典上的表征系数/n /n其中，表示第i类测试样本的稀疏表征向量的1范数，v表示正则化参数；/n步骤6：利用正交匹配追踪算法求解步骤5的模型，可得到测试样本y在类字典上的稀疏表征系数/n步骤7：利用如下的重构方法确定测试样本的类标签：/n /n其中，l(x)表示测试样本y的类标签。/n