基于二維澤爾尼克矩特征稀疏表示的sar目標(biāo)識(shí)別方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及雷達(dá)目標(biāo)識(shí)別技術(shù)領(lǐng)域，尤其涉及一種基于二維澤爾尼克矩特征稀疏 表示的SAR目標(biāo)識(shí)別方法。
【背景技術(shù)】
[0002] 合成孔徑雷達(dá)（Synthetic Aperture Radar，簡(jiǎn)稱SAR)技術(shù)，是采用搭載在衛(wèi)星或 飛機(jī)上的移動(dòng)雷達(dá)，獲得高精度地理區(qū)域雷達(dá)目標(biāo)圖像的一種脈沖雷達(dá)技術(shù)。雷達(dá)目標(biāo)自 動(dòng)識(shí)別（Synthetic Aperture Radar Auto Targets Recognition，簡(jiǎn)稱 SAR-ATR)在很多地 理信息分析技術(shù)領(lǐng)域中都具有重要的應(yīng)用價(jià)值。
[0003] 雷達(dá)目標(biāo)自動(dòng)識(shí)別的識(shí)別性能，主要由特征提取和識(shí)別算法決定。在特征提取方 面，通過(guò)較好的特征提取，不僅僅可以降低數(shù)據(jù)識(shí)別的維數(shù)，并且還可以盡可能多的保留用 來(lái)進(jìn)行識(shí)別的有效信息。由于SAR圖像的一些獨(dú)特的特點(diǎn)，例如鏡面反射、多反射和數(shù)據(jù)本 身的非線性等因素，很難像光學(xué)圖像那樣直接提取其線性特征。因此為了更有效的實(shí)現(xiàn)識(shí) 另IJ，科研工作者已經(jīng)嘗試將多種不同特征應(yīng)用到雷達(dá)目標(biāo)自動(dòng)識(shí)別領(lǐng)域中，例如位置信息 特征、峰值特征、PCA (Principal Component Analysis，主成分分析）特征、HOG (Histogram of Oriented Gradient，方向梯度直方圖）特征等。在識(shí)別方法方面，傳統(tǒng)的識(shí)別方法主要 都是基于模板匹配和基于模型匹配。在基于模板的匹配方法中，通常是用待測(cè)目標(biāo)的SAR 圖像的特征來(lái)和已知目標(biāo)且基于模板的訓(xùn)練圖像進(jìn)行對(duì)比，以期獲得目標(biāo)識(shí)別結(jié)果，但是 由于SAR圖像具有較為復(fù)雜的背景，這很難消除和忽略背景圖像對(duì)目標(biāo)物匹配的影響，除 此之外俯仰角的變化也加大了目標(biāo)物匹配的難度。在基于模型的匹配方法中，通常方法是 保持一個(gè)目標(biāo)在不同的姿勢(shì)、方位角和部署條件下的物理和概念的模型，但由于目標(biāo)物樣 本所限制導(dǎo)致很難推斷出模型參數(shù)，從而容易導(dǎo)致訓(xùn)練數(shù)據(jù)和被測(cè)試數(shù)據(jù)之間沒(méi)有很強(qiáng)的 統(tǒng)計(jì)關(guān)系，這種情況下就很容易使得雷達(dá)目標(biāo)識(shí)別失敗了；并且，在不同的擴(kuò)展條件下，訓(xùn) 練數(shù)據(jù)和被測(cè)試數(shù)據(jù)的操作參數(shù)也是不盡相同的，這也較大程度上影響了對(duì)雷達(dá)目標(biāo)物的 識(shí)別率。
[0004] 如何通過(guò)更好的方法來(lái)提升雷達(dá)目標(biāo)自動(dòng)識(shí)別的識(shí)別性能，一直都是領(lǐng)域內(nèi)研宄 的重要課題。

【發(fā)明內(nèi)容】

[0005] 針對(duì)現(xiàn)有技術(shù)中存在的上述問(wèn)題，為了解決現(xiàn)有技術(shù)中SAR圖像目標(biāo)識(shí)別都需要 估計(jì)目標(biāo)方位角、識(shí)別準(zhǔn)確性有限的問(wèn)題，本發(fā)明提供了一種基于二維澤爾尼克矩特征稀 疏表示的SAR目標(biāo)識(shí)別方法，該雷達(dá)目標(biāo)識(shí)別方法采用非負(fù)稀疏表示來(lái)對(duì)非負(fù)時(shí)頻平面數(shù) 據(jù)進(jìn)行建模和特征提取，不需要對(duì)SAR圖像進(jìn)行目標(biāo)方位角估計(jì)，同時(shí)能夠避免散焦或者 信噪比等因素對(duì)目標(biāo)識(shí)別效果的影響，提高SAR目標(biāo)識(shí)別的準(zhǔn)確性。
[0006] 為實(shí)現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)手段：
[0007] 基于二維澤爾尼克矩特征稀疏表示的SAR目標(biāo)識(shí)別方法，包括如下步驟：
[0008] 1)獲取雷達(dá)目標(biāo)的SAR圖像，并將SAR圖像呈現(xiàn)為三維的SAR三維圖像，三個(gè)維度 分別為SAR圖像的行像素坐標(biāo)、列像素坐標(biāo)和電磁散射幅值；
[0009] 2)將電磁散射幅值維度均勻劃分為若干個(gè)幅值區(qū)間，將SAR三維圖像中電磁散射 幅值在同一個(gè)幅值區(qū)間內(nèi)的像素點(diǎn)的二維像素坐標(biāo)圖像作為SAR三維圖像在相應(yīng)幅值區(qū) 間所對(duì)應(yīng)的SAR二維切片圖像，從而將雷達(dá)目標(biāo)的SAR三維圖像分割成為多個(gè)SAR二維切 片圖像；
[0010] 3)提取SAR三維圖像的每一幅SAR二維切片圖像的澤爾尼克矩特征，構(gòu)成雷達(dá)目 標(biāo)的澤爾尼克矩特征向量；
[0011] 4)針對(duì)多類不同的已知雷達(dá)目標(biāo)，分別采集多個(gè)已知雷達(dá)目標(biāo)的SAR圖像作為訓(xùn) 練樣本，并按照步驟1~3分別提取各個(gè)類別中各個(gè)訓(xùn)練樣本的澤爾尼克矩特征向量，從而 由各個(gè)類別各個(gè)訓(xùn)練樣本的澤爾尼克矩特征向量的集合構(gòu)成訓(xùn)練樣本集；
[0012] 5)針對(duì)待測(cè)雷達(dá)目標(biāo)，采集待測(cè)雷達(dá)目標(biāo)的SAR圖像作為測(cè)試樣本，按照步驟1~ 3提取測(cè)試樣本的澤爾尼克矩特征向量；
[0013] 6)利用訓(xùn)練樣本集中個(gè)各個(gè)訓(xùn)練樣本的澤爾尼克矩特征向量建立稀疏線性方程， 對(duì)測(cè)試樣本的澤爾尼克矩特征向量進(jìn)行稀疏線性表示，并求解得到該稀疏線性方程中各個(gè) 的稀疏系數(shù)，將非零稀疏系數(shù)所對(duì)應(yīng)的訓(xùn)練樣本所屬的類別判定為待測(cè)雷達(dá)目標(biāo)所屬的雷 達(dá)目標(biāo)類別，實(shí)現(xiàn)對(duì)待測(cè)雷達(dá)目標(biāo)的識(shí)別。
[0014] 上述基于二維澤爾尼克矩特征稀疏表示的SAR目標(biāo)識(shí)別方法中，具體而言，所述 步驟3中，一幅SAR二維切片圖像的澤爾尼克矩特征b的表達(dá)式為：
[0015]
【主權(quán)項(xiàng)】
1. 基于二維澤爾尼克矩特征稀疏表示的SAR目標(biāo)識(shí)別方法，其特征在于，包括如下步 驟： 1) 獲取雷達(dá)目標(biāo)的SAR圖像，并將SAR圖像呈現(xiàn)為三維的SAR三維圖像，三個(gè)維度分別 為SAR圖像的行像素坐標(biāo)、列像素坐標(biāo)和電磁散射幅值； 2) 將電磁散射幅值維度均勻劃分為若干個(gè)幅值區(qū)間，將SAR三維圖像中電磁散射幅值 在同一個(gè)幅值區(qū)間內(nèi)的像素點(diǎn)的二維像素坐標(biāo)圖像作為SAR三維圖像在相應(yīng)幅值區(qū)間所 對(duì)應(yīng)的SAR二維切片圖像，從而將雷達(dá)目標(biāo)的SAR三維圖像分割成為多個(gè)SAR二維切片圖 像； 3) 提取SAR三維圖像的每一幅SAR二維切片圖像的澤爾尼克矩特征，構(gòu)成雷達(dá)目標(biāo)的 澤爾尼克矩特征向量； 4) 針對(duì)多類不同的已知雷達(dá)目標(biāo)，分別采集多個(gè)已知雷達(dá)目標(biāo)的SAR圖像作為訓(xùn)練樣 本，并按照步驟1~3分別提取各個(gè)類別中各個(gè)訓(xùn)練樣本的澤爾尼克矩特征向量，從而由各 個(gè)類別各個(gè)訓(xùn)練樣本的澤爾尼克矩特征向量的集合構(gòu)成訓(xùn)練樣本集； 5) 針對(duì)待測(cè)雷達(dá)目標(biāo)，采集待測(cè)雷達(dá)目標(biāo)的SAR圖像作為測(cè)試樣本，按照步驟1~3提 取測(cè)試樣本的澤爾尼克矩特征向量； 6) 利用訓(xùn)練樣本集中個(gè)各個(gè)訓(xùn)練樣本的澤爾尼克矩特征向量建立稀疏線性方程，對(duì)測(cè) 試樣本的澤爾尼克矩特征向量進(jìn)行稀疏線性表示，并求解得到該稀疏線性方程中各個(gè)的稀 疏系數(shù)，將非零稀疏系數(shù)所對(duì)應(yīng)的訓(xùn)練樣本所屬的類別判定為待測(cè)雷達(dá)目標(biāo)所屬的雷達(dá)目 標(biāo)類別，實(shí)現(xiàn)對(duì)待測(cè)雷達(dá)目標(biāo)的識(shí)別。
2. 根據(jù)權(quán)利要求1所述基于二維澤爾尼克矩特征稀疏表示的SAR目標(biāo)識(shí)別方法，其特 征在于，所述步驟3中，一幅SAR二維切片圖像的澤爾尼克矩特征b的表達(dá)式為：
其中，r表示SAR二維切片圖像中行像素坐標(biāo)為y、列像素坐標(biāo)為X的像素點(diǎn)（X，y)的 向量，r = W ； Θ表示SAR二維切片圖像中像素點(diǎn)（x，y)的向量與列像素坐標(biāo)軸的 夾角，9 = tarTHy/x) ;f(r, Θ)表示SAR二維切片圖像中像素點(diǎn)（x，y)的強(qiáng)度函數(shù)，當(dāng) SAR二維切片圖像中像素點(diǎn)（x，y)位置處有像素點(diǎn)，其強(qiáng)度函數(shù)f(r，Θ) = 1，當(dāng)SAR二維 切片圖像中像素點(diǎn)（x，y)位置處沒(méi)有像素點(diǎn)，則其強(qiáng)度函數(shù)f(r，Θ) =0;p-|q|是偶數(shù)， O彡I q I彡p，且P彡O ;BMk為澤爾尼克多項(xiàng)式的系數(shù)：
通過(guò)提取SAR三維圖像的每一幅SAR二維切片圖像的澤爾尼克矩特征，得到雷達(dá)目標(biāo) 的一組澤爾尼克矩特征向量。
3. 根據(jù)權(quán)利要求1所述基于二維澤爾尼克矩特征稀疏表示的SAR目標(biāo)識(shí)別方法，其特 征在于，所述步驟6具體為： 61)利用訓(xùn)練樣本集中個(gè)各個(gè)訓(xùn)練樣本的澤爾尼克矩特征向量建立如下的稀疏線性方 程，對(duì)測(cè)試樣本的澤爾尼克矩特征向量進(jìn)行稀疏線性表示： /λ - β X H - β\Ρ\ \ β\φ\(chéng).2 ^ Ι.'.ι β,.? I! ^ βK , \ . \ ' 其中，bz表示測(cè)試樣本的澤爾尼克矩特征向量；H表示訓(xùn)練樣本集，β表示稀疏線性方 程的稀疏系數(shù)向量，其中： H = [h" h2,…，Iii,…，hK]; hi表示第i類已知雷達(dá)目標(biāo)訓(xùn)練樣本的澤爾尼克矩特征向量子集，I < i < K，K表示 訓(xùn)練樣本集中所包含的已知雷達(dá)目標(biāo)的類別總數(shù)；且*^=[\，\2，一，/1?,，一， 6^,]，4?,表示 第i類已知雷達(dá)目標(biāo)第&個(gè)訓(xùn)練樣本的澤爾尼克矩特征向量，I < n N i，Ni表示針對(duì)第 i類已知雷達(dá)目標(biāo)所采集的訓(xùn)練樣本的個(gè)數(shù)； β-[/?ι ρ/?Ι 2,···,/；1Ν|,···,/? (, .···,/；, Λ； ]; 表示稀疏系數(shù)向量中對(duì)應(yīng)于第i類已知雷達(dá)目標(biāo)第Ili個(gè)訓(xùn)練樣本的澤爾尼克矩特 征向量t的稀疏系數(shù)； 62) 以晝= argmax R(^)n作為稀疏系數(shù)向量?jī)?yōu)化目標(biāo)，以^ ^xH Q作為約 O Z=IK 束條件，對(duì)所建立的稀疏線性方程進(jìn)行求解，得到該稀疏線性方程的優(yōu)化目標(biāo)稀疏系數(shù)向 量合的值；其中，ε為預(yù)設(shè)定的稀疏重構(gòu)誤差閾值，Il · IItlS LO范數(shù)運(yùn)算符； 63) 將優(yōu)化目標(biāo)稀疏系數(shù)向量0中非零稀疏系數(shù)所對(duì)應(yīng)的訓(xùn)練樣本所屬的類別判定為 待測(cè)雷達(dá)目標(biāo)所屬的雷達(dá)目標(biāo)類別，實(shí)現(xiàn)對(duì)待測(cè)雷達(dá)目標(biāo)的識(shí)別。
【專利摘要】本發(fā)明提供了一種基于二維澤爾尼克矩特征稀疏表示的SAR目標(biāo)識(shí)別方法，該方法能夠有效提取SAR目標(biāo)圖像中攜帶的局部電磁散射特征信息，在不同的方位角下，每一類目標(biāo)的電磁散射中心和散射強(qiáng)度都是不同的，因此，基于2D切片圖計(jì)算出來(lái)的Zernike特征具有很強(qiáng)的鑒別性；同時(shí)，本發(fā)明的SAR目標(biāo)識(shí)別方法應(yīng)用了稀疏表示理論來(lái)進(jìn)行識(shí)別，它可以很好的對(duì)輸入特征進(jìn)行重構(gòu)，并且根據(jù)重構(gòu)誤差來(lái)做出判別。總體而言，本發(fā)明基于二維澤爾尼克矩特征稀疏表示的SAR目標(biāo)識(shí)別方法把2D切片圖的Zernike矩特征與SRC技術(shù)相結(jié)合，這樣就可以很好的目標(biāo)進(jìn)行識(shí)別，并且具有良好的對(duì)噪聲的魯棒性。
【IPC分類】G06K9-00, G06K9-46
【公開號(hào)】CN104732224
【申請(qǐng)?zhí)枴緾N201510163244
【發(fā)明人】張新征, 劉周勇, 劉書君, 吳奇政, 王韜
【申請(qǐng)人】重慶大學(xué)
【公開日】2015年6月24日
【申請(qǐng)日】2015年4月8日