[发明专利]一种基于极化目标分解的支持向量机舰船目标检测方法

权利要求书

1.一种基于极化目标分解的支持向量机舰船目标检测方法，其特征在于，包括下述步骤：

步骤一：特征向量的选取：

设已知极化SAR观测数据的共极化分量S_HH(i,j),S_VV(i,j)和交叉极化分量S_HV(i,j),其中i,j表示像素点坐标，SAR指合成孔径雷达；

利用下式计算体散射分量P_v(i,j)：

P_v(i,j)＝4|<|2S_HV(i,j)|²>|

其中，<·>表示计算邻域平均，邻域的大小根据实际情况确定；

利用下述步骤计算表面散射分量P_s(i,j)和二面角散射分量P_d(i,j)：

首先计算中间量x₁₁(i,j)和x₂₂(i,j)：

x₁₁(i,j)＝<|S_HH(i,j)+S_VV(i,j)|²>-2 <|2S_HV(i,j)|²>

x₂₂(i,j)＝<|S_HH(i,j)-S_VV(i,j)|²>-<|2S_HV(i,j)|²>

如果x₁₁(i,j)＞x₂₂(i,j),则令：

P_s(i,j)＝|x₁₁(i,j)+|<(S_HH(i,j)+S_VV(i,j))(S_HH(i,j)-S_VV(i,j))^*>|²/x₁₁(i,j)|

P_d(i,j)＝|x₂₂(i,j)-|<(S_HH(i,j)+S_VV(i,j))(S_HH(i,j)-S_VV(i,j))^*>|²/x₁₁(i,j)|

否则令：

P_d(i,j)＝|x₂₂(i,j)+|<(S_HH(i,j)+S_VV(i,j))(S_HH(i,j)-S_VV(i,j))^*>|²/x₁₁(i,j)|

P_s(i,j)＝|x₁₁(i,j)-|<(S_HH(i,j)+S_VV(i,j))(S_HH(i,j)-S_VV(i,j))^*>|²/x₁₁(i,j)|

利用下式计算混合散射分量P_sd(i,j)：

P_sd(i,j)＝P_s(i,j)·P_d(i,j)

则形成的特征向量P(i,j)＝[S_HH(i,j),P_sd(i,j),P_v(i,j)]；

步骤二：训练SVM分类器：

利用已知舰船目标和非舰船目标的极化SAR观测数据，根据步骤一提供的方法提取特征向量，进行训练得到所需的支持向量机分类器；

步骤三：进行分类

将极化SAR图像中待检测区域的特征向量P(i,j)输入到已经训练好的支持向量机分类器中，得到分类结果。