基于散射点和k中心一类分类器的sar目标鉴别方法

文档序号:8361872阅读:399来源:国知局
基于散射点和k中心一类分类器的sar目标鉴别方法
【技术领域】
[0001] 本发明属于雷达技术领域,涉及目标的检测与鉴别方法,可用于SAR图像中车辆 等具有显著的强散射点分布特征的人造目标的鉴别。
【背景技术】
[0002] 雷达成像技术是在上世纪50年代发展起来的,在之后的60年里突飞猛进的发展, 目前,已经在军事、农林、地质、海洋、灾害、测绘等诸多方面得到广泛的应用。合成孔径雷达 SAR具有全天候、全天时、分辨率高以及穿透力强等特点,成为目前对地观测和军事侦察的 重要手段。
[0003] SAR图像解译是当前SAR应用的前沿课题,同时也是近几年来对地观测技术应用 的一个热门领域,具有重要的研究意义和广泛的应用前景。美国林肯实验室提出了 SAR图 像自动目标识别的三级处理流程图并被广泛使用。该流程包含三个基本阶段:检测、鉴别、 分类。目标鉴别属于目标检测和目标识别的中间阶段,是对检测阶段得到的潜在目标区域 进一步区分目标和杂波,去除杂波虚警,减小目标识别阶段的计算代价。自林肯实验室提出 SAR图像目标鉴别的概念后,研究者们在鉴别特征提取、鉴别器设计、性能分析、硬件实现上 做了大量的研究。
[0004] 鉴别首先需要解决的问题是特征提取,提取的应该是能够揭示目标和杂波虚警的 本质差异,使得目标和杂波虚警在特征空间上可以分离的特征。传统的SAR图像鉴别特 征,如标准偏差、分形维数、加权填充比等从纹理方面揭示目标和杂波虚警的差异;如目标 直径、归一化转动惯量、峰值CFAR、均值CFAR等从尺寸方面揭示目标和杂波虚警的差异;揭 示目标像素集合的空间分布特征,如空间分布、拐点特征、加速度特征等从目标像素集合的 空间分布方面揭示目标和杂波虚警的差异。这些特性对目标和杂波虚警的分离是有用的, 但是这些特征没有从雷达相干成像的本质揭示目标和杂波虚警的区别,其鉴别总正确率较 低。另外,部分传统SAR图像鉴别特征的提取,需要先对样本进行恒虚警检测,而恒虚警检 测的好坏直接影响特征的可分性。

【发明内容】

[0005] 本发明的目的在于针对上述已有技术的不足,提出一种基于散射点和K中心一类 分类器的SAR目标鉴别方法,提高目标鉴别正确率。
[0006] 实现本发明目的的技术方案是:从雷达相干成像的本质出发,提出散射点特征,利 用该特征描述目标与杂波虚警的区别;根据不同样本中提取散射点个数的不同,引入双向 Hausdorff距离计算点数不同的两个点集间的距离,并用K中心一类分类器对样本进行鉴 另IJ。其具体步骤包括如下:
[0007] ⑴训练步骤:
[0008] (Ia)对SAR图像I进行恒虚警检测,得到二值图像C,对该二值图像进行聚类,得 到疑似目标区域,以疑似目标区域的重心为几何中心,截取mXn的切片 Xi,i = 1,...,N,N 是从SAR图像I中提取切片的总个数;
[0009] (Ib)从切片{Xl,x2, . . .,Xi, . . .,xN}中选取包含真实目标的切片 {yi,y2,. ·.,y」,...,yj构成训练样本集,其中j = 1,...,Q,Q彡N,Q是训练样本个数;
[0010] (Ic)估计训练样本y」的信号能量比,以此为门限从训练样本y」中提取散射点矩 阵~,并对散射点矩阵~的幅度进行2-范数归一,2-范数归一后的散射点矩阵记为A' j;
[0011] (Id)根据预先给定的中心个数K,K彡Q,用K中心一类分类器,将训练样 本对应的散射点集{A' p A' 2,. . .,A、. . .,A' Q}聚为K簇,同时保存这K簇的中心 (Aq, Ay ·, Ay., j·' t - I,. . . , K ;
[0012] (Ie)根据预先给定的拒判率P和K簇的中心Af:,···, Af ,···,Afi. },计算K中心 一类分类器的门限Thr,其中0 < P < 1 ;
[0013] (2)测试步骤:
[0014] (2a)估计测试切片z的信号能量比,并依此为门限提取散射点矩阵B,对散射点矩 阵B的幅度进行2-范数归一,2-范数归一后的散射点矩阵记为B' ;
[0015] (2b)计算测试样本的散射点矩阵B'与步骤(Ie)得到的K簇的中心 ,…,Ac,,_··,▲~.}之间的最小双向Hausdorff距离dB;
[0016] (2c)将测试样本的散射点矩阵B'与K簇的中心AyqAf,…,AfjJ之间的最 小双向Hausdorff距离dB与步骤(Ie)得到的K中心一类分类器的判决门限Thr进行比较, 如果dB< Thr,则测试样本z为目标,否则,测试样本z为杂波虚警。
[0017] 本发明从雷达成像的本质出发提取散射点特征,更好的揭示了目标和杂波虚警的 区别。与现有技术相比,能够有效的提高总正确率,同时降低了杂波虚警的虚警率。
【附图说明】
[0018] 图1是本发明的实现流程图;
[0019] 图2是本发明中的恒虚警检测子流程图;
[0020] 图3是本发明中的空心滑窗示意图;
[0021] 图4是本发明实验使用的SAR图像;
[0022] 图5是用本发明和传统方法对图4进行鉴别的结果对比图。
【具体实施方式】
[0023] 以下结合附图对本发明技术方案及效果作进一步详细表述。
[0024] 参照图1,本发明的实现包括训练阶段和测试阶段,详细步骤如下:
[0025] -、训练阶段
[0026] 步骤1,对SAR图像I进行恒虚警检测,得到二值图像C。
[0027] 参照图2,本步骤的具体实现如下:
[0028] (Ia)假设目标的最大长度为1,雷达的距离分辨率和方位分辨率分别为P p P a, 则目标在SAR图像中的最大长度IJP最大宽度I a分别为
【主权项】
1. 一种基于散射点和K中心一类分类器的SAR目标鉴别方法,包括: (1) 训练步骤: (la) 对SAR图像I进行恒虚警检测,得到二值图像C,对该二值图像进行聚类,得到疑 似目标区域,以疑似目标区域的重心为几何中心,截取mXn的切片 Xi,i = 1,. . .,N,N是从 SAR图像I中提取切片的总个数; (lb) 从切片(X1, x2,. . .,Xi,. . .,xN}中选取包含真实目标的切片 {yi,y2,. ·.,y」,...,yj构成训练样本集,其中j = 1,...,Q,Q彡N,Q是训练样本个数; (lc) 估计训练样本^的信号能量比,以此为门限从训练样本^中提取散射点矩阵A」, 并对散射点矩阵~的幅度进行2-范数归一,2-范数归一后的散射点矩阵记为A' j; (ld) 根据预先给定的中心个数K,K < Q,用K中心一类分类器,将训练样本 对应的散射点集{A' D A' 2,. . .,A'.,. . .,A' Q}聚为K簇,同时保存这K簇的中心
(le) 根据预先给定的拒判率P和K簇的中心,计算K中心一类 分类器的门限Thr,其中O彡P < 1 ;
(2) 测试步骤: (2a)估计测试切片z的信号能量比,并依此为门限提取散射点矩阵B,对散射点矩阵B 的幅度进行2-范数归一,2-范数归一后的散射点矩阵记为B' ; (2b)计算测试样本的散射点矩阵B'与步骤(Ie)得到的K簇的中心
之间的最小双向Hausdorff距离dB; (2c)将测试样本的散射点矩阵B'与K簇的中心
之间的最小双 向Hausdorff距离dB与步骤(Ie)得到的K中心一类分类器的判决门限Thr进行比较,如 果dB< Thr,则测试样本z为目标,否则,测试样本z为杂波虚警。
2. 根据权利要求1所述的基于散射点和K中心一类分类器的SAR目标鉴别方法,其中 步骤(Ia)所述的对SAR图像I进行恒虚警检测,按如下步骤进行: (Ial)假设目标的最大长度为1,雷达的距离分辨率和方位分辨率分别为Pp Pa,则 目标在SAR
当前第1页1 2 
网友询问留言 已有0条留言
  • 还没有人留言评论。精彩留言会获得点赞!
1