[发明专利]基于层次分析的星载SAR图像舰船目标分类方法

说明书

技术领域

本发明属于SAR(Synthetic Aperture Radar，合成孔径雷达)图像目标识别技术领域，涉及一种基于层次分析(Analytic Hierarchy Process，AHP)的星载SAR图像舰船目标分类方法。

背景技术

目前，国内外对星载SAR图像舰船目标检测研究较多，而对舰船目标分类识别研究较少。基于多特征的舰船目标分类方法比基于单特征的舰船目标分类方法越来越受到重视，但在舰船目标特征选择及评价分类性能方面往往缺乏客观的评估准则。

星载SAR图像中舰船目标散射特征受许多因素影响，包括气象、图像分辨率、航速、航向、船舶尺寸与材料等。对于非金属或者小型船舶，其散射特征并不明显，人工对其解译难度也较大。目前的星载SAR图像舰船目标分类方法无法对其进行正确识别。常用于舰船目标分类的特征包括长f₁，宽f₂，长宽比f₃，面积f₄，周长f₅，形状复杂度f₆，质心f₇，转动惯量f₈，质量f₉，平均强度f₁₀，方差系数f₁₁，加权填充比f₁₂，标准差f₁₃，分形维数f₁₄以及Hu矩f₁₅～f₂₁共21个。这些特征属于几何结构特征和灰度统计特征。另外，电磁散射特征对舰船目标分类也是十分重要的，但是通常较难提取，较少用于舰船分类。

利用星载SAR图像舰船目标切片提取的特征进行分类识别时，对于同一个分类器输入不同的特征集往往会导致不同的分类结果。因此，舰船特征选择对提高舰船目标分类正确率非常关键。层次分析是一种定性与定量相结合、系统化、层次化的分析方法。由于其在处理复杂的决策问题上的实用性和有效性，已广泛应用于经济计划和管理、能源政策和分配、行为科学、军事指挥、运输、农业以及教育等领域。但其在星载SAR图像舰船目标特征选择以及分类决策中尚未得到应用。

发明内容

本发明通过将层次分析的思想运用到特征选择和舰船分类决策中，有效地解决了目前在星载SAR图像舰船目标特征选择和分类决策中缺乏有效评估准则的问题，能够优选出适合舰船目标分类的舰船特征及其特征集，有效提高舰船目标分类精度。

本发明的技术方案是：利用星载SAR图像舰船目标形成训练集，其特征在于，还包括下述步骤：

第一步，基于训练集的特征排序。

根据可分性、稳定性和BIF(Best Individual Feature，最佳个体特征)三种评价度量准则的重要程度形成评价度量比较矩阵，然后计算评价度量比较矩阵的最大归一化特征向量。

基于训练集提取目标的特征，计算每类特征在上述每种评价度量准则下对应的评价度量值，形成每一类特征对应的评价度量向量。

利用最大归一化特征向量与每一类特征对应的评价度量向量点乘，得到每一类特征的重要性得分值。

将各类特征的重要性得分值按照由大至小的顺序进行排序。

第二步，最优特征选择

利用第一步的特征排序结果，依次增加特征数目形成特征集对训练集进行分类；

选择分类正确率最大时的特征集所包含的N个特征作为候选特征，从N个候选特征中任选N-1个特征作为一个最优特征集，从而得到N个最优特征集，根据最优特征集所包含特征的排序结果，确定最优特征集的优先级。

第三步，目标分类

基于每一个最优特征集，利用分类器对未知的星载SAR图像舰船目标进行分类，得到N个属于不同舰船类型的分类概率，形成分类结果矢量；

对N个最优特征集，将其优先级作为重要程度形成基于特征的评价度量比较矩阵，计算上述基于特征的评价度量比较矩阵的最大归一化特征向量，作为权值向量；

将分类结果矢量与权值向量点乘，选择概率最大者作为最终分类结果。

本发明的有益效果是：

1.采用本发明提出的基于层次分析的评价准则方法，可以有效解决目前在星载SAR图像舰船目标特征选择和分类决策中缺乏有效评估准则的问题；

2.采用本发明提出的基于层次分析的特征选择方法，可以优选出适合星载SAR图像舰船目标分类的特征及其特征集；

3.采用本发明提出的基于层次分析的方法进行星载SAR图像舰船目标分类，可以有效提高分类的精度。