专利名称：基于核稀疏表示的sar目标识别方法
技术领域：
本发明属于图像处理技术领域，特别是涉及SAR目标识别，可广泛用于军事和民 事应用中。
背景技术：
SAR图像处理的研究是近十几年才兴起的一门综合学科。因SAR具有全天候、全天 时探测的能力，而且特征信号丰富，含有幅度、相位和极化等多种信息而广泛用于民用和军 事应用中。目前，美国国防部高级研究计划局提出的运动静止目标获得与识别计划，旨在基 于模型视觉基础上发展下一代SAR目标识别系统，目的就是通过对目标及由于目标变换、 清晰度和其它原因引起的不确定性进行建模，为高度无约束场景下的目标识别提供稳健的 解决方案。因此，对获取后的SAR图像处理方法的研究就显得格外重要。与传统的图像处 理研究相似，SAR图像处理的研究内容也涉及到图像去噪、图像分割、图像融合、图像压缩、 图像增强、图像识别和分类等多方面。其中，图像分类和识别是图像感知与解译的最终目的 与关键技术之一。在SAR图像分类识别研究中，最重要的研究内容包括图像特征获取研究 和机器学习机研究。可以看出，图像分类中特征提取环节处理的好坏将直接影响到后续分 类和识别精度；同样学习机性能的好坏也将直接影响计算机对各类SAR目标特征的学习能 力，从而进一步决定图像的识别率。Alien Y. Yang和Yi Ma在2007年提出一种用训练图像对测试图像进行稀疏表示， 根据基于重构误差最小化准则来对测试图像进行分类。但是由于该方法是一种线性方法， 无法实现非线性特征表示，Zhang等提出了一种核稀疏表示的方法，该方法将样本从原空间 映射至核空间解决了非线性特征表示的问题。但在该方法中，由于采用了重构误差准则来 进行分类，因而对噪声不具有容错性，导致了分类精度下降。
发明内容
本发明的目的在于克服上述已有技术的缺点，提出了一种基于核稀疏表示的SAR 目标识别方法，通过采用重构系数能量最大准则进行分类，提高SAR目标识别的精度和算 法的运行时间。为实现上述目的，本发明首先通过高斯核函数将样本从原空间映射至高维核空 间，在此空间构造一随机降维矩阵来对样本进行降维和归一化处理，得到新的训练样本和 测试样本，然后对新的训练样本和测试样本进行线性优化，得到训练样本对测试样本进行 稀疏表示的最佳稀疏向量；最后根据重构系数能量最大准则，对所得每类样本的稀疏向量 求能量，将能量最大的那一类作为测试样本最终的识别结果，其具体步骤包括如下(1)输入训练样本矩阵J e 和测试样本} e『，通过高斯径向基核函数将训练 样本矩阵和测试样本从原空间映射至高维核空间，得到映射后的训练样本矩阵2￡识一和 测试样本/ e 9Γ，其中91表示实数集，m表示原样本空间维数，η表示训练样本的个数；(2)构造一个随机矩阵i e ，然后将随机矩阵R分别与映射后的训练样本矩阵Z和测试样本1相乘进行降维处理，得到降维后的训练样本矩阵f e妒X"和测试样本/ e md， 并对该降维后的训练样本矩阵和测试样本进行归一化，，其中d表示降维后的样本维数，d << η ；(3)对归一化后的训练样本矩阵和测试样本，利用如下优化函数求解出第i类样 本重构系数向量 min | aj I1 subject to V0= Z1 Cil其中//为归一化后的测试样本，归一化后的第i类训练样本；(4)计算归一化后第i类样本重构系数的能量
权利要求
1.一种基于核稀疏表示的SAR目标识别方法，包括如下步骤(1)输入训练样本矩阵Je 和测试样本少e mm，通过高斯径向基核函数将训练样本 矩阵和测试样本从原空间映射至高维核空间，得到映射后的训练样本矩阵Ze 9T"和测试 样本/ e ，其中识表示实数集，m表示原样本空间维数，η表示训练样本的个数；(2)构造一个随机矩阵i e9ld><"，然后将随机矩阵R分别与映射后的训练样本矩阵Z 和测试样本1相乘进行降维处理，得到降维后的训练样本矩阵妒χ"和测试样本/e妒， 并对该降维后的训练样本矩阵和测试样本进行归一化，，其中d表示降维后的样本维数，d << η ；(3)对归一化后的训练样本矩阵和测试样本，利用如下优化函数求解出第i类样本重 构系数向量min I I1 subject to V^= Zi at其中//为归一化后的测试样本，Z^J归一化后的第i类训练样本；(4)计算归一化后第i类样本重构系数的能量YniLYA1；=1其中i = 1，2，…，C，C为类别总数，j = 1，2，...，IIi为第i类测试样本的个数；(5)将上述得到的第i类样本重构系数能量Ei代入到类别判定公式k - arg max Ei (巧求得重构系数能量的最大值，并将该最大值所属的类别C作为最终的识别结果k。
2.根据权利要求1所述的SAR目标识别方法，其中步骤(1)所述的通过高斯径向基核 函数将训练样本矩阵和测试样本从原空间映射至高维核空间，其步骤为(Ia)将训练样本矩阵Je^Tx"代入如下的高斯径向基核函数k' = exp(-|u-v|2/(2*p2))得到的映射结果作为新的训练样本矩阵Z，其中U、ν为任意两个训练样本，ρ为高斯径 向基核的参数。(Ib)把训练样本矩阵J e 中的每个样本与测试样本少e 9Γ代入上述核映射函数， 得到的映射结果作为新的测试样本1。
3.根据权利要求1所述的SAR目标识别方法，其中步骤(2)所述的对降维后的训练样 本矩阵和测试样本进行归一化，是将降维后的训练样本矩阵f和测试样本/同时除以这两者 中的最大值，得到标准化的数据以利于分类。
全文摘要
本发明公开了一种基于核稀疏表示的SAR目标识别方法，主要解决现有技术的容错性低的问题。实现步骤为(1)将训练样本矩阵和测试样本分别映射至核空间，将映射后的样本随机降维至所需要的维度，并对其进行归一化处理；(2)求解归一化后的测试样本与训练样本矩阵之间的重构系数向量；(3)求得各类别测试样本的重构系数的能量，并将其代入类别判定公式得到最终的识别结果。本发明与现有技术相比显著的提高了算法的容错性，使其在SAR目标识别应用中具有的高的识别精度和快的运算速度，同时也将应用范围推广至低维样本，具有更好的通用性。
文档编号G06K9/62GK102122355SQ201110062108
公开日2011年7月13日 申请日期2011年3月15日 优先权日2011年3月15日
发明者冯骁, 刘若辰, 刘静, 张莉, 杨淑媛, 焦李成, 王婷, 王爽 申请人:西安电子科技大学