[发明专利]一种基于多特征低秩表示融合的SAR目标识别方法

权利要求书

1.一种基于多特征低秩表示融合的SAR目标识别方法，其特征在于，包括如下步骤：

(1)针对N类不同的已知雷达目标，采集每类已知雷达目标的多个方位的SAR图像，将每个已知雷达目标的SAR图像作为一个训练样本，将所有训练样本的集合作为训练样本集，分别提取各个训练样本的Gabor变换特征、PCA特征及小波变换特征；

(2)针对待测雷达目标，采集待测雷达目标的多个方位的SAR图像，将每个SAR图像作为一个测试样本，将所有测试样本的集合作为测试样本集，分别提取各个测试样本的Gabor变换特征、PCA特征及小波变换特征；

(3)基于训练样本集的Gabor变换特征、PCA特征及小波变换特征得到特征字典；

(4)基于训练样本集及测试样本集的Gabor变换特征、PCA特征及小波变换特征求测试样本集的低秩表示系数矩阵；

(5)基于特征字典及测试样本集的低秩表示系数矩阵求得测试样本集中各测试样本的Gabor变换特征、PCA特征及小波变换特征的第一预测标签；

(6)对测试样本集中各测试样本的Gabor变换特征、PCA特征及小波变换特征的第一预测标签进行多方位邻域投票得到测试样本集中各测试样本的Gabor变换特征、PCA特征及小波变换特征的第二预测标签；

(7)对测试样本集中各测试样本的Gabor变换特征、PCA特征及小波变换特征的第二预测标签进行贝叶斯融合，得到测试样本集的最终类标签，实现对待测雷达目标的识别。

2.如权利要求1所述的基于多特征低秩表示融合的SAR目标识别方法，其特征在于，在步骤(3)中：

特征字典为Xk，Xk表示N类训练样本对应的第k个特征矩阵，其中，k为特征类型索引，k＝1,2,3，第c类样本的第k个特征矩阵为

3.如权利要求1所述的基于多特征低秩表示融合的SAR目标识别方法，其特征在于，在步骤(4)中：

基于公式求取测试样本集的低秩表示系数矩阵W^k(y)，其中，α和β分别为噪声项系数和正则化项系数，||·||_F表示矩阵的Frobenius范数，是第c类训练样本相对于的低秩表示系数矩阵，是指除去了第c类训练样本的N类训练样本对应的第k个特征矩阵，1≤c≤N，E^k是噪声矩阵，A^k表示包括训练样本集和测试样本集的特征矩阵，A^k＝[X^k,Y^k]，Y^k表示所有测试样本对应的第k个特征矩阵，其中，特征字典为X^k，X^k表示N类训练样本对应的第k个特征矩阵，其中，k为特征类型索引，k＝1,2,3，第k种特征的低秩表示系数矩阵为W^k，其中W^k＝[W^k(x),W^k(y)]。

4.如权利要求1所述的基于多特征低秩表示融合的SAR目标识别方法，其特征在于，在步骤(5)中第i个测试样本的第k个特征的第一预测标签的求取方法如下：

W_i^k(y)在第k个特征下测试样本集的低秩表示系数矩阵W^k(y)中的第i列，表示第i个测试样本在特征字典X^k下的表示系数向量，根据W_i^k(y)的最大系数值设定系数阈值ρ，对第i个测试样本以其低秩表示系数最大值对应的训练样本的方位角为中心，并设置方位角邻域范围V，获取各类训练样本中方位角处于区间内的子集找到每个训练样本子集在W_i^k(y)中对应的系数子集其中代表第c类训练样本子集对应的系数子集，

当满足则判定第i个测试样本的第一预测标签为r^k；

其中，及为中间参数，1≤q≤Q。