[发明专利]二维非线性投影特征的SAR图像目标识别的方法

权利要求书

1.二维非线性投影特征的SAR图像目标识别的方法，其特征在于，包括如下步骤：

S1、确定SAR图像训练样本矩阵：根据目标数据选取N幅m×n的训练样本SAR图像A₁,A₂,...,A_l,...,A_N，其中，所述N幅m×n的训练样本SAR图像分属c个类别，N₁,N₂,...,N_c表示各个类的样本量，N₁+N₂+...+N_c＝N；

S2、确定核函数和核样本矩阵，通过所述核样本矩阵确定核类间散布矩阵和核内散布矩阵，通过所述核类间散布矩阵和核内散布矩阵构造目标准则函数，求得投影矩阵和投影子空间，具体方法如下：

S21、将S1所述训练样本SAR图像A_l表示为其中，l＝1,2,...,N，k＝1,2,...,n，表示A_l的第k列；

S22、对S21所述训练样本SAR图像A_l进行非线性映射φ，得到核空间H中的图像样本φ(Al)=(φ(al1),φ(al2),...,φ(aln)),]]>则高维空间中的类间离散矩阵为

Sbφ=1NΣi=1cNi(φ(Ai‾)-φ(A‾))(φ(Ai‾)-φ(A‾))T=1NΣi=1cNiΣk=1n(φ(aik‾)-φ(ak‾))(φ(aik‾)-φ(ak‾))T,]]>高维空间中的类内离散矩阵为

Swφ=1NΣi=1cΣj=1Ni(φ(Aij)-φ(Ai‾))(φ(Aij)-φ(Ai‾))T=1NΣi=1cΣj=1NiΣk=1n(φ(aijk)-φ(ak‾))(φ(aijk)-φ(ak‾))T;]]>

S23、根据S22所述高维空间中的类间离散矩阵和类内离散矩阵选择适当的核函数，对一幅特定的SAR图像A_l的某一列向量，利用S1所述N幅m×n的训练样本SAR图像A₁,A₂,...,A_l,...,A_N构造该列向量的核向量，得到相应的N×n的核样本矩阵K_l；

S24、以S23所述核样本矩阵K_l，得出高维空间中的类间散布矩阵和高维空间中的类内散布矩阵其中，K_ij表示第i类的第j个训练样本图像的核样本矩阵，表示第i类核样本矩阵的平均矩阵，表示所有核样本矩阵的平均矩阵；

S25、根据S24所述高维空间中的类间散布矩阵和高维空间中的类内散布矩阵构造目标准则函数其中，w为任一N维的非零列矢量；

S26、通过最大化目标准则函数J(w)，得到最优判别矢量对所述w_opt进行广义特征方程求解，得到

S27、取S26所述中前d个较大特征值所对应的特征向量构成最优投影矩阵W＝[w₁,w₂,...,w_d]，其中，d≤n(c-1)；

S28、将S23所述核样本矩阵K_l向S27所述最优投影矩阵W上投影，得到投影特征子像Z_l＝W^TK_l，每类目标的所有训练SAR图像的头像特征子像构成各自的投影子空间，c类目标有c个投影子空间，分别记为P_i，其中，i＝1,2,...,c；

S3、确定输入SAR图像的非线性投影特征子集，确定非线性投影特征子像与投影子空间的距离，确定输入SAR图像目标所属类别。