[发明专利]基于双谱三维图像纹理特征的辐射源识别方法及装置

权利要求书

1.一种基于双谱三维图像纹理特征的辐射源识别方法，其特征在于，包含如下内容：

A)获取不同辐射源信号的样本数据，通过计算信号双谱，得到双谱三维图像；

B)针对双谱三维图像，通过图像的灰度共生矩阵，提取纹理特征；

C)针对纹理特征，通过支持向量机进行分类并识别辐射源个体。

2.根据权利要求1所述的基于双谱三维图像纹理特征的辐射源识别方法，其特征在于，A)中，将样本数据进行分段处理；通过对每段数据进行三重相关，得到相关序列；对相关序列进行傅里叶变换，获取信号双谱值；将每段数据中获取的信号双谱值进行累加，得到双谱估计；依据双谱估计获取辐射源信号的双谱三维图像。

3.根据权利要求1所述的基于双谱三维图像纹理特征的辐射源识别方法，其特征在于，B)中，针对双谱三维图像，进行灰度级压缩，获取量化处理后的图像数据；图像数据中任意一点及偏离其的一点构成点对，统计每一种点对灰度值出现次数，并归一化为概率数值，得到灰度共生矩阵；针对灰度共生矩阵，提取其纹理参数，该纹理参数包含能量、对比度、熵和相关性。

4.根据权利要求3所述的基于双谱三维图像纹理特征的辐射源识别方法，其特征在于，针对能量参数，通过点对的像素分布概率来获取；针对对比度参数，通过相邻像素件的灰度差来获取；针对熵参数，通过辐射源个数及点对的像素分布概率来获取；针对自相关参数，通过点对的像素分布概率相关性来获取。

5.根据权利要求3或4所述的基于双谱三维图像纹理特征的辐射源识别方法，其特征在于，能量ASM的计算公式表示如下：

其中，P(i，j)表示点对(i，j)的像素分布概率，L表示图像数据中的图像最大灰度级；对比度CON的计算公式表示如下：

其中，n表示相邻像素间的灰度差；熵ENT的计算公式表示如下：

其中，k表示辐射源个数；自相关COR的计算公式表示如下：

，

其中，

6.根据权利要求1所述的基于双谱三维图像纹理特征的辐射源识别方法，其特征在于，C)中，将从不同空间方向得到的纹理特征进行组合，获取特征向量；针对特征向量，通过主成分分析去相关后，送入SVM分类器进行训练，以识别辐射源个体。

7.一种基于双谱三维图像纹理特征的辐射源识别装置，其特征在于，包含：图像获取模块、特征提取模块和训练识别模块，其中，

图像获取模块，用于通过获取不同辐射源信号的样本数据，并通过计算信号双谱，得到双谱三维图像；

特征提取模块，用于针对双谱三维图像，通过图像的灰度共生矩阵，提取纹理特征；

训练识别模块，用于针对纹理特征，通过支持向量机进行分类并识别辐射源个体。

8.根据权利要求7所述的基于双谱三维图像纹理特征的辐射源识别装置，其特征在于，图像获取模块包含信号处理子模块、双谱估计子模块和双谱图像获取子模块，其中，

信号处理子模块，用于将样本数据进行分段处理；通过对每段数据进行三重相关，得到相关序列；对相关序列进行傅里叶变换，获取信号双谱值；

双谱估计子模块，用于将每段数据中获取的信号双谱值进行累加，得到双谱估计；

双谱图像获取子模块，用于依据双谱估计获取辐射源信号的双谱三维图像。

9.根据权利要求7所述的基于双谱三维图像纹理特征的辐射源识别装置，其特征在于，特征提取模块包含图像压缩子模块、归一化处理子模块和参数提取子模块，其中，

图像压缩子模块，用于针对双谱三维图像，进行灰度级压缩，获取量化处理后的图像数据；

归一化处理子模块，用于将图像数据中任意一点及偏离其的一点构成点对，统计每一种点对灰度值出现次数，并归一化为概率数值，得到灰度共生矩阵；

参数提取子模块，用于针对灰度共生矩阵，提取其纹理参数，该纹理参数包含能量、对比度、熵和相关性。

10.根据权利要求7所述的基于双谱三维图像纹理特征的辐射源识别装置，其特征在于，训练识别模块包含特征组合子模块、降维处理子模块和识别子模块，其中，

特征组合子模块，用于将从不同空间方向得到的纹理特征进行组合，获取特征向量；

降维处理子模块，用于针对特征向量，通过主成分分析去相关降维处理；

识别子模块，用于将去相关降维处理后的数据送入SVM分类器进行训练，并识别辐射源个体。