一种sar图像识别方法
【技术领域】
[0001] 本发明属于孔径雷达（SyntheticApertureRadar，SAR)自动目标识别技术领域， 尤其涉及使用二维线性判别分析方法进行特征提取的SAR图像目标识别。
【背景技术】
[0002] SAR图像目标识别的原理是根据已知训练样本目标类别信息建立特征库，对待测 样本进行特征提取，并选择与库中具有最高相似度所对应的训练样本的类型作为测试样本 的分类结果。
[0003] SAR技术的迅猛发展使得其所成图像分辨率获得了很大提高，SAR图像中的目标 信息也呈现爆炸性的增长，这就带来了相应数据量的大幅度增加，面对巨大的数据量，必须 对目标检测和识别中的关键技术进行改进。SAR图像自动目标识别（ATR)是提高SAR检测 图像利用率的重要技术，其目的是在没有人工直接干预的条件下，在较短时间内从场景中 自动检测出可能的目标并识别出目标所属类别，具有重要的民用和军事应用价值，并日益 成为国内外图像处理和模式识别领域的研究热点。
[0004] SAR图像具有复杂的特点，从同一目标回波中抽取的特征难免存在一定的相关 性，而这种相关性往往是不易察觉的，冗余特征不仅会使运算量增大，还可能降低最终分 类结果。C.J.Enderli等采用非线性的LDA对SAR图像进行目标识别，将二维SAR图像矩 阵转化为一维向量进行处理，这样会导致"维数灾难"以及"小样本问题。Zhang等采用二 维LDA对SAR图像目标进行特征提取。但是使用2DLDA进行分类识别的时候，会存在由于 图像在投影空间中的类间距离太小而产生较大的误识别率。在文献（ChongLu,SenJian An,WanquanLiu,XiaodongLiu,^AninnovativeWeighted2DLDAApproachforFace Recognization"，JSignProcessSyst(2011) 65:81-87)中，作者ChongLu等提出了一个 加权的2DLDA算法，该算法计算各类之间的类间距离，根据这些计算结果重新定义了类间 离散矩阵，该算法能够充分利用各类之间的距离关系，迭代的求出最优的投影矩阵，但是该 算法用在SAR图像识别上效果不是很好，矩阵收敛速度太慢，虽然能够提高识别率较低的 图像的识别率，但是同时也极大的降低了高识别率图像的识别率。
【发明内容】
[0005] 本发明针对现有的二维线性判别式分析法（2DLDA)上的不足，提出了加权的 2DLDA(weighted2DLDA，W_2DLDA)的SAR图像目标识别方法，实现对SAR图像中目标类别 的准确判别。
[0006] 本发明的技术方案为：给出F类二维SAR图像，计算所有的F类图像之间的类间距 离，然后根据计算出的类间距离构造计算出一个权系数矩阵，利用这个权系数矩阵计算出 一个投影子空间，判断这个计算出的投影子空间是否收敛，如果不收敛，则重复前面的操作 重新计算新的权系数矩阵，从而得出新的特征空间，直至这个特征空间收敛。
[0007] -种SAR图像识别方法，包括如下步骤：
[0008] S1、确定SAR图像样本训练矩阵，即选取F类N个mXn的SAR图像训练样本， 记作A1,A2, -,A1, ^An，其中，第i类样本的个数为队，第i类的第j个样本为碎ri= 1，2, 3, ? ? ?，F，j= 1，2, 3, ? ? ?，N1,m，n为不为零的自然数；
[0009] S2、计算最佳特征子空间：
若P彡q，则Distpq= 0,其中，1彡p彡F，1彡q彡F，且p和q为整数；
[0013] S24、构造一个矩阵Dpq，令所有的p>q都有dpq= 1，令所有的p彡q都有dpq = 〇,其中，dpq表示矩阵Dpq中的第p行第q列元素；
[0014] S25、更新S24所述矩阵Dpq;
表示矩阵Dpq中的第p行第q列元素，Spq= (mp-mq) (mp-mq)T;
[0016]S27、判断S26所述投影矩阵V是否收敛，若投影矩阵V收敛，则转到S3,，若投影矩 阵V不收敛，则将Sl所述F类N个mXn的SAR图像训练样本向S26所述投影矩阵V投影， 重复S21-S26,直至S26所述投影矩阵V收敛；
[0017] S3、对S26所述投影矩阵V的特征值从大到小进行排序，取前k个特征值组成最优 投影矩阵Vcipt，其中，k<n;
[0018] S4、将SI所述F类N个mXn的SAR图像训练样本和测试样本分别想S3所述最优 投影矩阵Vcipt投影，对得到的投影后的数据采用基于欧氏距离的最近邻法进行分类。
[0019] 进一步地，S25所述更新S24所述矩阵Dpq的具体步骤如下：
[0020] S251、将S23所述类间距离矩阵Distpq中的第b行元素按照值的大小从大到 小的顺序进行排序，得到…(F)，并记录各元素在排序前的位 置索引⑶,…?〇)，同时求出如4中各元素系数在第b行中的系数百分比， 其中，撤么表示类间距离矩阵Distpq中的第b行元素，1彡b彡F，(F)表示中的 第F个系数大小的元素，4(F)表示元素在排序前的位置索引；
[0021] S252、对S251所述的/)&；；的元素系数在第b行中的百分比进行逆序赋值给^^ :， 其中，仏表示矩阵Dpq的第b行向量，即将S251所述的-C(F)的系数在第b行中的百分比 乘以％之后赋值给，将S251所述的的系数在第b行中的百分比 乘以.^4(4(2))之后赋值给巧,(4(2))，直到全部赋值完成，MW)表示Dpq第b行向量中的 第1个元素，KKF;
[0022]S253、根据S251-S252遍历S24所述矩阵Dpq的每一行，得到更新后的矩阵Dpq。
[0023] 本发明的有益效果是：
[0024] 通过使用加权的二维线性鉴别法（2DLDA)对SAR图像进行分类识别，能够提高图 像的总体识别率。通过计算所有训练样本之间的类间距离，能够明确的知道哪些类别误识 别率比较高，根据这些类间距离，通过不停的迭代计算加权系数，达到给类间距离最小的那 两类图像最大的权重的效果，可以在尽可能提高误识别率比较高的图像的识别率的同时也 保证了其他类的识别率，从而提高了整体的识别率。ChongLu等提出的加权的2DLDA算法 虽然也能够很大程度的提高误识别率较高的图像的识别率，但是由于该算法在求解最佳投 影矩阵时收敛速度较慢，导致那些本来识别率较高的图像的误识别率大大提高了，从而整 体识别率改善不大，本发明能够极大地提高特征矩阵的收敛速度，从而保证了提高误识别 率较高的图像的识别率的同时也最大限度的保证了其他图像的识别率。
【附图说明】
[0025] 图1为本发明的流程图。
【具体实施方式】
[0026] 下面结合实施例和附图，详细说明本发明的技术方案。
[0027] 如图1所示：
[0028] 一种SAR图像识别方法，包括如下步骤：
[0029] S1、确定SAR图像样本训练矩阵，即选取F类N个mXn的SAR图像训练样本， 记作：Ai，A2, -,A1, "SAn，其中，第i类样本的个数为队，第i类的第j个样本为V，i= 1，2, 3, ? ? ?，F，j= 1，2, 3, ? ? ?，N1,m，n为不为零的自然数；
[0030] S2、计算最佳特征子空间：
若P彡q，则Distpq= 0,其中，1彡p彡F, 1彡q彡F，且p和q为整数；
[