[发明专利]一种基于曲波域双边二维主成分分析的图像目标识别方法

说明书

技术领域

本发明涉及一种合成孔径雷达（SAR）图像目标识别的方法，属于雷达图像识别技术领域，尤其涉及一种利用曲波域双边二维主成分分析法并将其用于合成孔径雷达(SAR)图像目标识别的方法。

背景技术

SAR图像目标识别技术在近几十年里受到研究者的广泛关注，提出了多种目标识别方法，总体来说，可以分为三类：基于模板匹配的方法，基于核与支持向量机结合的方法以及基于模型的识别方法。其中应用最广泛的是基于模板匹配的一类识别方法。1998年，T.Ross等人[T.Ross,S.Worrell,V.Velten,J.Mossing,M.Bryant.Standard SAR ATR evaluation experiment using the MSTAR public release data set[C].SPIE,1998,3370(4),566-573]提出基于模板匹配的SAR图像目标识别方法，将原始图像作为特征，采用模板匹配的方法对测试样本进行分类识别。由于原始图像包含大量噪声，目标不明显，该方法的识别率较低。2001年，Principle等人[J.C.Principe,Qun Zhao.Support vector machine for SAR automatic target recognition[J].IEEE Transaction on Aerospace and Electronic Systems,2001,37(2),643-654]将线性主成分分析法应用到目标识别中，该方法通过求解训练样本的主分量，得到新的投影空间，实现了将原图像投影成低维特征值的目的，不仅有效的减少了数据维数，而且极大地提高了分类识别准确率。由于主分量分析法提取的是样本的线性特征，而SAR图像中存在大量非线性特征，为了有效地进行特征提取，核主成分分析法[韩萍，吴仁彪，王兆华等.，《基于KPCA准则的SAR目标特征提取与识别》，《电子与信息学报》，2003，25(10):1297-1300]得到应用。但主成分分析法及其核化方法需要将二维图像拉直成一维列向量进行处理，会带来“维数灾难”问题，给实际应用带来不便。为此，Yang提出了二维主成分分析法[Yang J,Zhang D,Frangi A F,et al.Two-dimensional PCA:a new approach to appearance based face representation and recognition[J].IEEE Transaction on Pattern Analysis Machine Intelligence,2004,26(1):131-137]，该方法可以直接应用于二维图像，有效地保留了原图像二维空间结构信息，其协方差矩阵更准确有效，但是由于采用了右投影，该方法仅去除了行像素间的相关性，得到的特征维数依然很大，不利于后续的目标识别分类。为克服前述文献中特征提取方法出现的问题，Kong等人提出了双边二维主成分分析法[Kong H,Li X,Wang L,et al.Generalized 2D principal component analysis[C].IEEE International Joint Conference on Neural Networks,2005,V1,108-113]，该方法通过对样本进行左右投影，有效地降低了特征维数，但该方法没有考虑到合成孔径雷达的非线性特征，这不利于SAR图像目标识别的识别效果。曲波(Curvelet)变换[Shan H,Ma J.Curvelet-based geodesic snakes for image segmentation with multiple objects[J].Pattern Recognition Letters,2010]具有良好的方向选择与辨识能力和稀疏表达能力，能够有效地逼近图像中的边缘与纹理等非线性细节信息，并可以克服小波产生的块状效应，该变换适用于SAR图像处理。

发明内容

技术问题

本发明要解决的技术问题是提供一种对合成孔径雷达(SAR)图像目标进行识别的方法，该方法结合曲波变换和双向二维主成分分析法，提高了目标识别率。

技术方案

为了解决上述的技术问题，本发明的基于曲波域双边二维主成分分析的SAR图像目标识别方法具体包括下述步骤：