[发明专利]基于多视角下一维像特征层融合的舰艇与货船分类方法

权利要求书

1.基于多视角下一维像特征层融合的舰艇与货船分类方法，其特征在于：通过计算各视角下目标一维像的峰度矩阵K，找到峰度矩阵的最大元素max(K)及其对应的一维像，统计余下一维像集合{x_i}和离群峰度集合{k_i}，利用离群峰度法剔除异常一维像；以峰度矩阵最大元素对应的一维像为基像，采用最小熵估计准则对一维像进行对齐处理，对对齐后的一维像做非相干积累；对各视角下非相干积累后目标一维像统计前八分之一和后八分之一部分的均值，按最小均值的1.5倍设置目标一维像区域提取门限进行目标区域一维像提取；利用归一化方法对各视角下目标一维像区域进行归一化处理，对归一化后的目标一维像区域按照距离单元进行10等分处理，通过统计强散射点个数、强散射点位置信息和幅度信息、等分区域内的强散射点个数、等分区域内强散射点位置分布、等分区域内强散射点幅度，利用最近邻线算法进行包含波形有效宽度、波形对称性、波形集中度、波形峰度、波形峰值个数、峰值前缘陡峭度、峰值后缘陡峭度、峰值形状统计的波形结构特征提取，构造各视角下目标一维像区域波形结构特征初始矩阵；结合各视角下目标一维像姿态和信噪比信息，构造目标一维像区域波形结构特征融合矩阵；结合目标一维像区域波形结构特征融合矩阵和Sigmoid函数进行线性二分类器输入层和激励函数设计，利用线性二分类器作为舰艇与货船分类识别的分类器；最后利用线性二分类器输出接点的取值进行舰艇与货船分类识别；通过该方法进行多视角下一维像特征层融合的舰艇与货船分类识别正确率在单视角下舰艇与货船分类识别正确率基础上提高5％。

2.根据权利要求1所述的基于多视角下一维像特征层融合的舰艇与货船分类方法，其特征在于：各视角下目标一维像区域波形结构特征提取方法，该方法通过统计强散射点个数、强散射点位置信息和幅度信息、等分区域内的强散射点个数、等分区域内强散射点位置分布、等分区域内强散射点幅度，利用最近邻线算法进行包含波形有效宽度、波形对称性、波形集中度、波形峰度、波形峰值个数、峰值前缘陡峭度、峰值后缘陡峭度、峰值形状统计的波形结构特征提取，构造各视角下目标一维像区域波形结构特征初始矩阵，降低多目标和边界野值对目标一维像区域波形结构特征精确提取的影响。

3.根据权利要求1所述的基于多视角下一维像特征层融合的舰艇与货船分类方法，其特征在于：目标一维像区域波形结构特征融合矩阵构造方法，该方法通过构建各视角下目标一维像区域波形结构特征初始矩阵加权算子标定各波形结构特征初始矩阵的权重，通过线性组合方法构造目标一维像区域波形结构特征融合矩阵，降低不同视角、不同信噪比造成的目标一维像区域波形结构特征姿态敏感性和强度敏感性的影响。