[发明专利]一种基于两级多任务学习的合成孔径雷达图像识别方法在审
| 申请号： | 201910765203.2 | 申请日： | 2019-08-19 |
| 公开（公告）号： | CN110458137A | 公开（公告）日： | 2019-11-15 |
| 发明（设计）人： | 张新征;王亦坚;谭志颖 | 申请（专利权）人： | 重庆大学 |
| 主分类号： | G06K9/00 | 分类号： | G06K9/00;G06K9/62 |
| 代理公司： | 50212 重庆博凯知识产权代理有限公司 | 代理人： | 胡逸然<国际申请>=<国际公布>=<进入 |
| 地址： | 400044重*** | 国省代码： | 重庆;50 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明公开了一种基于两级多任务学习的合成孔径雷达图像识别方法，包括：提取目标图像及训练图像集的多类异质特征；将目标图像的每一类异质特征以训练图像集中所有训练图像对应的异质特征的线性组合表示；提取每一类异质特征的系数矢量；得到每一类异质特征的M近邻局部子集并组成新字典；得到协同表示系数矩阵；利用最小重构误差进准则得到目标图像的识别结果。本发明第一阶段得到目标图像在训练样本中的最佳局部子集，并相应更新各个特征的字典，大大减少了远离目标图像的训练样本的干扰，从而避免了异常值造成的干扰，分类性能明显优于多任务稀疏表示学习和多任务协同表示学习算法，且对广泛的正则化参数具有鲁棒性。 | ||
| 搜索关键词： | 异质 目标图像 局部子集 训练图像 训练样本 字典 合成孔径雷达图像 提取目标图像 训练图像集 正则化参数 分类性能 任务协同 任务学习 稀疏表示 系数矩阵 系数矢量 线性组合 学习算法 鲁棒性 两级 重构 协同 更新 学习 | ||
【主权项】：
1.一种基于两级多任务学习的合成孔径雷达图像识别方法，其特征在于，包括：/nS1、获取目标图像及训练图像集；/nS2、提取所述目标图像及所述训练图像集的多类异质特征；/nS3、将所述目标图像的每一类异质特征以所述训练图像集中所有训练图像对应的异质特征的线性组合表示；/nS4、基于所述异质特征的线性组合表示提取每一类异质特征的系数矢量；/nS5、基于所述每一类异质特征的系数矢量得到所述每一类异质特征的M近邻局部子集并组成新字典，M近邻局部子集为系数矢量的真子集；/nS6、基于M近邻局部子集组成新字典来表示目标图像，得到协同表示系数矩阵；/nS7、基于协同表示系数矩阵，利用最小重构误差进准则得到目标图像的识别结果。/n
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于重庆大学，未经重庆大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910765203.2/，转载请声明来源钻瓜专利网。
- 上一篇：一种交通标志识别方法、装置和设备
- 下一篇：基于云服务器的直梯内目标检测方法
