[发明专利]基于结构保持字典学习的SAR目标型号识别方法

权利要求书

1.一种基于结构保持字典学习的SAR目标识别方法，其特征在于，包括以下步骤：

步骤一，输入训练样本图像集和测试样本图像集，分别求取训练样本图像集中每一个训练样本图像和测试样本图像集中每一个测试样本图像的归一化子图像；

步骤二，分别构造训练样本图像集中每一类训练样本图像的局部结构保持因子和远距离结构保持因子；

所述的局部结构保持因子的构造为：

上式中，α_ip,α_iq∈A_i表示对应训练样本图像x_ip,x_iq的稀疏描述向量，x_ip,x_iq表示类别i下的第p个和第q个训练样本图像，A_i表示对应第i类目标的稀疏描述向量矩阵，i＝1,2,...,C，C表示字典矩阵的总数，N_i表示第i类训练样本图像的总个数，||·||₂表示2范数操作；Sⁱ为对应第i类目标的相似性度量函数，其每个元素为：

其中，t₁表示常数，N_k(x_ip)表示取x_ip的k近邻操作，N_k(x_iq)表示取x_iq的k近邻操作；

所述的远距离结构保持因子构造如下：

上式中，Dⁱ为对应第i类目标的差异性矩阵，其每个元素为：

上式中，t₂表示常数，F_m(x_iq)表示取x_iq的m远邻操作，F_m(x_ip)表示取x_ip的m远邻操作；

步骤三，融合局部结构保持因子和远距离结构保持因子，获得合成的数据结构特性保持因子；

步骤四，结合合成的数据结构特性保持因子，构造字典学习目标函数，计算训练样本图像在所述的字典下的稀疏描述向量；

所述的字典学习目标函数为：

在式6中：Tr(·)表示矩阵的求迹运算，T表示求矩阵的转置，L_i＝L_i1-L_i2，L_i1＝H_i1-Sⁱ和L_i2＝H_i2-Dⁱ为拉普拉斯矩阵，H_i1和H_i2为对角矩阵，它们的对角线元素分别为和arg(·)表示求目标函数的最值时的变量值，η₁和η₂为常数，X_i表示第i类目标的训练样本集，Φ_i表示对应第i类目标的字典矩阵，||·||₁表示1范数操作，||·||_F表示F范数操作；

步骤五，利用所述的稀疏描述向量，更新该类字典矩阵；

步骤六，迭代步骤四和步骤五，直到所述的字典矩阵收敛；

步骤七，利用字典矩阵，分别计算测试样本图像在不同类别字典矩阵下的稀疏描述向量；

步骤八，利用测试样本图像和各字典矩阵以及对应的稀疏描述向量，计算测试样本图像的各重构误差；

步骤九，基于测试样本图像的重构误差确定识别结果。

2.如权利要求1所述的基于结构保持字典学习的SAR目标识别方法，其特征在于，步骤三中，所述的合成的数据结构特性保持因子构造如下：

上式中，Tr(·)表示矩阵的求迹运算，T表示求矩阵的转置，L_i＝L_i1-L_i2，L_i1＝H_i1-Sⁱ和L_i2＝H_i2-Dⁱ为拉普拉斯矩阵，H_i1和H_i2为对角矩阵，它们的对角线元素分别为和