逆合成孔径雷达图像的质量分类方法与流程

技术特征：
1.一种逆合成孔径雷达图像的质量分类方法，具体步骤如下：(1)数据预处理：使用雷达录取的复数据，进行逆合成孔径雷达成像，得到逆合成孔径雷达图像数据，将这些逆合成孔径雷达图像数据用能量归一化；(2)目标检测：(2a)采用恒虚警检测方法，检测出归一化后的逆合成孔径雷达图像数据中的目标；(2b)采用边缘信息定位方法，确定目标区域位置；(3)图像划分：根据目标区域位置，采用分块方法，将目标区域周围的部分按照九宫格的形式划分为八个区域，其中九宫格的中心部分是目标区域的分区，逆合成孔径雷达图像被分为包括目标在内的九个区域；(4)特征提取：(4a)采用横条纹能量比公式，在逆合成孔径雷达图像区域2、区域8和区域5的联合区域中，计算横条纹能量比特征；所述的横条纹能量比公式如下：其中，T1表示联合区域中的横条纹能量比特征，表示第k个归一化后逆合成孔径雷达图像中的像素点强度，k1表示归一化后逆合成孔径雷达图像中区域2中的像素点，k2表示归一化后逆合成孔径雷达图像中区域8中的像素点，k3表示归一化后逆合成孔径雷达图像中区域5中的像素点，∑表示求和操作；(4b)采用竖条纹能量比公式，在逆合成孔径雷达图像区域4、区域6和区域5的联合区域中，计算竖条纹能量比特征；所述的竖条纹能量比公式如下：其中，T2表示联合区域中的竖条纹能量比特征，表示第k个归一化后逆合成孔径雷达图像中的像素点强度，k3表示归一化后逆合成孔径雷达图像中区域5中的像素点,k4表示逆合成孔径雷达图像中区域4中的像素点,k5表示逆合成孔径雷达图像中区域6中的像素点,∑表示求和操作；(4c)采用图像熵公式，在逆合成孔径雷达图像区域1到区域9的联合区域中，计算图像熵特征；(4d)采用剩余能量比公式，在逆合成孔径雷达图像区域1到区域9的联合区域中，计算剩余能量比特征；所述的剩余能量比公式如下：其中，T4表示联合区域中的剩余能量比特征，表示第k个归一化后逆合成孔径雷达图像中的像素点强度，k6表示归一化后逆合成孔径雷达图像中区域1到区域9中的像素点,k3表示归一化后逆合成孔径雷达图像中区域5中的像素点,∑表示求和操作；(4e)采用特征向量公式，将横条纹能量比特征、竖条纹能量比特征、图像熵特征和剩余能量比特征组成一个特征向量；(5)分类：采用有监督分类方法，使用支持向量机SVM分类器，对特征向量进行分类，得到分类结果；(6)分类结果验证：采取相互验证方法对分类结果进行验证，得到分类的正确率。2.根据权利要求1所述的逆合成孔径雷达图像的质量分类方法，其特征在于：步骤(2a)中所述恒虚警检测方法的具体步骤如下：第一步：按照下式，计算逆合成孔径雷达图像中噪声的分布特性：其中,p表示逆合成孔径雷达图像中噪声的分布特性，A表示逆合成孔径雷达图像中噪声的幅度，|·|表示取模值操作，exp[·]表示指数函数，σ2表示逆合成孔径雷达图像中噪声的方差；第二步：按照下式，计算检测归一化后的逆合成孔径雷达图像数据中目标的门限：其中，T表示检测归一化后的逆合成孔径雷达图像数据中目标的门限，σ2表示逆合成孔径雷达图像中噪声的方差，Pf表示检测归一化后的逆合成孔径雷达图像数据中目标的虚警率，ln(·)表示取对数操作；第三步：遍历逆合成孔径雷达图像中的所有像素点，将大于检测目标门限的像素点组成目标区域，检测出归一化后的逆合成孔径雷达图像数据中的目标。3.根据权利要求1所述的逆合成孔径雷达图像的质量分类方法，其特征在于：步骤(2b)中所述边缘信息定位方法是指，分别将目标投影到逆合成孔径雷达图像的横坐标轴和纵坐标轴上，分别得到横坐标轴和纵坐标轴上投影的坐标位置，根据投影两端的坐标位置，确定目标区域的位置。4.根据权利要求1所述的逆合成孔径雷达图像的质量分类方法，其特征在于：步骤(4c)所述的图像熵公式如下：其中，T3表示联合区域中的图像熵特征，p表示像素点出现的概率，log2(·)表示取对数操作，k6表示归一化后逆合成孔径雷达图像区域1到区域9中的像素点,∑表示求和操作。5.根据权利要求1所述的逆合成孔径雷达图像的质量分类方法，其特征在于：步骤(4e)所述的特征向量公式如下：T＝[T1T2T3T4]其中，T表示横条纹能量比特征、竖条纹能量比特征、图像熵特征和剩余能量比特征组成的特征向量，T1表示横条纹能量比特征，T2表示竖条纹能量比特征，T3表示图像熵特征，T4表示剩余能量比特征。6.根据权利要求1所述的逆合成孔径雷达图像的质量分类方法，其特征在于：步骤(5)所述有监督分类方法是指：将逆合成孔径雷达图像样本的特征向量样本等分为训练样本和测试样本两部分，使用训练样本训练支持向量机SVM分类器，改变分类器参数的值，计算分类器的性能达到最好时对应参数的值，完成分类器的训练，将测试样本输入训练好的支持向量机SVM分类器中，得到分类结果。