[发明专利]基于子类类间判别双字典的SAR目标识别方法

摘要

本发明提供了一种基于子类类间判别双字典的SAR目标识别方法，其首先基于每一类训练样本的SAR图像的方位角，在每个类别中划分出若干个子类，从而将每一个子类看做不同的目标类别，通过判别双字典学习方法，学习得到用于重构每个类别的每个子类的子类图像特征训练样本子集所对应的分析子字典和综合子字典，减少了方位角不相关的训练样本对测试样本目标识别的干扰，同时确保了重构时综合字典和分析字典表示系数能通过一个简单的线性投影函数来逼近，大大减少训练处理和重构识别处理的计算量，提升了识别处理效率，并且其重构识别处理过程中利用了各个不同类别中各个子类的训练样本的类标签信息，进而使得识别准确率也得以提高。

主权项

1.基于子类类间判别双字典的SAR目标识别方法，其特征在于，包括如下步骤：1)对于多类不同的已知雷达目标，分别针对每一类在0°～360°方位角范围内分布采集多个已知雷达目标的SAR图像作为训练样本，并分别记录各个训练样本的方位角值；2)将0°～360°方位角区间等分为S个方位角子区间，使得每个方位角子区间的方位角跨度为Δg＝360°/S；将每一类的所有训练样本中方位角值在同一方位角子区间的各个训练样本归为相应类别中的一个子类，从而分别将每一类的训练样本划分为S个子类；3)分别提取各个类别的各个子类中各个训练样本的图像特征矩阵，将针对每个训练样本所提取的图像特征矩阵作为一个图像特征训练样本，从而由每个类别的每个子类中各个训练样本的图像特征矩阵的集合构成一个子类图像特征训练样本子集，由各个类别的各个子类的子类图像特征训练样本子集的集合构成图像特征训练样本集；4)采用判别双字典学习算法的重构目标函数对图像特征训练样本集进行学习和训练，求解得到对图像特征训练样本集进行重构的分析字典和综合字典，进而分别得到所述分析字典和综合字典中用于重构每个类别的每个子类的子类图像特征训练样本子集所对应的分析子字典和综合子字典；其中，对图像特征训练样本集进行学习和训练的判别双字典学习算法的重构目标函数为：其中，P和D分别表示对图像特征训练样本集X进行重构的分析字典和综合字典；X_k,_s∈X表示第k个类别的第s子类的子类图像特征训练样本子集，表示图像特征训练样本集X中除第k个类别的第s子类的子类图像特征训练样本子集X_k,s之外的其它各子类图像特征训练样本子集所集合构成的图像特征训练样本余量集，k∈[1,2,…,K]，s∈[1,2,…,S]，K表示所采集的已知雷达目标的类别总数，S表示每个类别所划分的子类数；P_k,s∈P表示分析字典P中用于重构第k个类别的第s个子类的子类图像特征训练样本子集X_k,s所对应的分析子字典，D_k,s∈D表示综合字典D中用于重构第k个类别的第s个子类的子类图像特征训练样本子集X_k,s所对应的综合子字典；表示综合子字典D_k,_s中对应于第k个类别的第s个子类中第n_s个训练样本综合字典重构稀疏，1≤n_s≤N_s，N_s表示第k个类别的第s个子类中包含的训练样本的个数；λ＞0为标量常数；||·||_F为F范数运算符，||·||₂为L2范数运算符；5)针对一个待测雷达目标，采集该待测雷达目标的SAR图像作为测试样本，提取测试样本的图像特征矩阵；6)分别计算利用每个类别的每个子类的子类图像特征训练样本子集所对应的分析子字典和综合子字典对测试样本的图像特征矩阵进行重构的重构误差，将重构误差最小的分析子字典和综合子字典所对应的子类图像特征训练样本子集所属的已知雷达目标类别判定为测试样本对应的待测雷达目标所属的雷达目标类别，实现对待测雷达目标的类别识别。