[发明专利]一种多源特征融合的SAR图像自动目标识别方法

摘要

本发明公开了一种多源特征融合的SAR图像目标识别方法，主要解决目标大小、方位、旋转等变化以及强杂波背景给目标识别带来的严重影响而造成识别结果不鲁棒和概率低等问题。本发明结合余弦傅里叶矩特征和峰值特征各自的优势，对提取的两类特征进行级联融合识别。其方案为：读取不同目标的SAR图像和三维模型的二维平面的投影图像并标准化处理；采用余弦傅里叶不变矩方法提取1中投影图像矩特征；采用瑞利分布的CFAR检测方法提取SAR图像峰值特征；利用结合SVM和匹配算法的级联融合分类器对目标进行识别。本发明能有效提高在特征维数高和姿态变化下的目标准确识别精度和鲁棒性，而不额外增加对制导控制系统开销，可用于提高SAR图像中的自动目标准确识别概率。

主权项

1.一种多源特征融合的SAR图像自动目标识别方法，其特征在于，包括下列步骤：步骤S1：输入不同目标的原始SAR图像作为练样本集，并对训练样本集进行预处理：S101：基于目标三维外形仿真数据，建立原始SAR图像的目标三维形状模型，并将所述目标三维形状模型投影到二维平面，得到笛卡尔坐标下的二维图像f(x,y)，并对图像f(x,y)进行标准化处理，得到标准化后的图像f(m,n)，以及计算图像f(m,n)的极坐标图像，得到模型投影极坐标图像f(r,θ)；S102：对原始SAR图像进行二值化处理后，再进行边缘检测，得到边缘图像，再将边缘图像从笛卡尔坐标变换到极坐标，得到SAR极坐标图像f′(r′,θ′)；S103：对原始SAR图像进行目标切片处理，得到原始SAR图像目标切片；步骤S2：采用余弦傅里叶矩特征提取方法，分别对训练样本集的模型投影极坐标图像f(r,θ)、SAR极坐标图像f′(r′,θ′)进行矩特征提取，得到训练样本的矩特征；步骤S3：对训练样本集的原始SAR图像目标切片进行峰值特征提取：步骤S301：对原始SAR图像目标切片进行目标与背景检测：将瑞利分布带入恒虚警率检测算子中可得：其中，b_s为瑞利分布形状参数，Z表示杂波强度；化解p_FA，可得从而得到检测分割阈值基于检测分割阈值T对原始SAR图像目标切片中的目标、背景进行检测分割：若原始SAR图像目标切片的目标局部中心像素x_c＞T，则x_c为目标像素，否则x_c为背景像素；由原始SAR图像目标切片的目标像素得到目标分割图像；步骤S302：采用ω×ω的矩形形态学滤波器对步骤S301的目标分割图像进行闭滤波处理，再对闭滤波处理后的目标分割图像进行计数滤波处理，剔除滤波窗口结构区域中峰值像素填充率不大于τ％的中心像素，得到计数滤波结果；其中，τ的取值范围为15～25；将计数滤波后的目标分割图像中的非零值设为1，其它设为0，得到掩膜模板；将掩膜模板与原始SAR图像相乘，得到最终目标分割图像；步骤S303：对步骤S302得到的最终目标分割图像进行峰值特征提取：计算最终目标分割图像的各像素的度量值p_ij：其中，下标i、j为像素的坐标标识符，a_ij表示当前像素的像素值，顶点U(a_ij)表示以a_ij为中心的邻域，a_m,n表示a_ij的邻域U(a_ij)中的单个像素值，σ为最终目标分割图像的像素强度的标准差；若当前像素点的度量值p_ij为1，则将当前像素记为峰值点，否则为背景杂波；步骤S304：对最终目标分割图像中提取的所有峰值点的幅度进行归一化处理，得到相对目标峰值幅值：其中，X_j表示最终目标分割图像的第j个峰值点，V表示最终目标分割图像的峰值点数目，a(X_j)表示第j个峰值点X_j的幅值；步骤S4：建立级联融合分类器：步骤S401：基于预设类别数目h，对各训练样本的矩特征向量进行SVM分类器训练，得到h个SVM类别模板，完成第一级特征分类器训练；步骤S402：基于预设类别数目h，对各训练样本的峰值特征向量进行峰值匹配分类器训练，得到h个峰值特征类别的匹配模板，完成第二级特征分类器训练；步骤S403：由第一级、第二级特征分类器的级联得到级联融合分类器；步骤S5：输入待识别的SAR图像，进行特征提取，完成目标识别处理：步骤S501：对待识别SAR图像进行预处理：采用步骤S101相同的处理方式，得到待识别SAR图像的模型投影极坐标图像f(r,θ)，采用步骤S102相同的处理方式，得到待识别SAR图像的SAR极坐标图像f′(r′,θ′)；对待识别SAR图像进行目标切片处理，得到待识别SAR图像目标切片；步骤S502：采用余弦傅里叶矩特征提取方法，分别对待识别SAR图像的模型投影极坐标图像f(r,θ)、SAR极坐标图像f′(r′,θ′)进行矩特征提取，得到待识别SAR图像的矩特征；采用步骤S3所述的峰值特征提取方式，得到待识别SAR图像的峰值特征；步骤S503：待识别SAR图像的矩特征输入第一级特征分类器，得到属于各类别的后验概率集合为P_set＝{p₁,p₂,...,p_h}；基于后验概率集合P_set计算待识别SAR图像的分类置信度conf(K)：其中i＝1,…,h，为集合P_set中除之外其他元素构成的集合，其中K为待识别SAR图像标识符；当待识别SAR图像的分类置信度conf(K)大于置信阈值时，执行步骤S504；否则将后验概率集合P_set中取值最大的后验概率所对应的类别作为当前待识别对象的识别结果；步骤S504：将后验概率集合P_set作为第二级特征分类器的先验信息，对待识别SAR图像的峰值特征进行峰值匹配分类识别处理，得到属于各类别的目标相似度集合G＝{g₁,g₂,...,g_h}；对目标峰值匹配相似度g_i进行增大变换，得到增大变换后的目标相似度g′_i：其中,k为峰值特征相似度集合G中互斥特征相似度标号，i＝1,…,h；步骤S505：由后验概率p_i与增大变换后的目标相似度g′_i之和得到级联融合分类器的分类识别度量值D_i，即D_i＝p_i+g′_i，其中i＝1,…,h；由h个D_i的最大值得到当前输入待识别的SAR图像的所属类别。