[发明专利]基于分割图像稀疏表示的SAR图像融合遮挡目标识别方法有效

专利信息
申请号: 201911074876.X 申请日: 2019-11-06
公开(公告)号: CN110837801B 公开(公告)日: 2022-08-02
发明(设计)人: 肖怀铁;贺志强;高超 申请(专利权)人: 中国人民解放军国防科技大学
主分类号: G06V20/00 分类号: G06V20/00;G06V10/26;G06V10/764;G06K9/62
代理公司: 长沙正奇专利事务所有限责任公司 43113 代理人: 马强;李美丽
地址: 410073 湖南*** 国省代码: 湖南;43
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 分割 图像 稀疏 表示 sar 融合 遮挡 目标 识别 方法
【说明书】:

发明公开了一种基于分割图像稀疏表示的SAR图像融合遮挡目标识别方法,包括步骤:一,SAR图像裁切;二,分割图像稀疏模型参数计算;三,利用分割图像稀疏模型计算加权图像;四,选择所有参数组,重复执行步骤三;五,选择像素级融合方法或决策级融合方法处理加权测试样本并识别目标。本发明利用分割图像的稀疏表示模型来分离可能的遮挡区域并通过对可能的遮挡区域加权处理来削弱遮挡对识别的影响;采用决策级融合和像素级融合两种融合策略来回避分割图像稀疏模型中的参数最优取值问题;通过将分割图像稀疏表示模型与融合策略结合,可以判断图像中的遮挡信息并消除其产生的干扰,降低了识别方法对参数取值的依赖,提高了遮挡目标的识别性能。

技术领域

本发明属于合成孔径雷达(SAR)目标识别技术领域,特别涉及一种基于分割图像稀疏表示的SAR图像融合遮挡目标识别方法。

背景技术

合成孔径雷达由于不受天气、时间和光照等因素影响的优点,在资源勘探、海洋观测、战场监视等领域发挥着越来越重要的作用。在合成孔径雷达的这些应用领域中,合成孔径雷达自动目标识别一直是研究的热点和难点。合成孔径雷达目标识别技术可以分成基于模板的识别、基于模型的识别和基于机器学习的识别三种类型。

基于模板的识别需要构建完备的模板库,该方法虽然原理简单,但是工作量巨大。基于模型的识别需要建立目标的数学模型或三维模型,建立准确可靠的模型一直是该方法的重难点。

随着计算机技术和模式识别技术的发展,基于机器学习的目标识别方法成为当前最流行的研究热点。典型的机器学习方法包括支持向量机、稀疏表示和深度学习等。基于机器学习的合成孔径雷达目标识别方法包括线性支持向量机目标识别方法(LSVM)、核支持向量机目标识别方法(KSVM)、传统稀疏表示目标识别方法(SR)、核稀疏表示目标识别方法(KSR)、改进的稀疏表示目标识别方法(ISR)、卷积神经网络目标识别方法(CNN)、支持向量机融合目标识别方法(FSVM)和稀疏表示融合目标识别方法(FSR)等。LSVM通过训练样本来计算支持向量,从而求解分类超平面,最后利用测试样本与分类超平面的关系来识别目标。KSVM首先将训练样本和测试样本投影到高维特征空间,然后在高维特征空间中计算分类超平面,最后根据高维测试样本与分类超平面的关系来识别目标。SR利用训练样本构造字典,然后根据测试样本在字典上的稀疏重构误差来识别目标。KSR首先将训练样本和测试样本投影到高维特征空间并利用高维特征向量来构造高维特征空间字典,然后根据高维测试样本在高维特征空间字典上的稀疏重构误差来识别目标。ISR在传统稀疏表示模型中加入误差项来表征遮挡和噪声污染等情况,通过消除误差项来消除噪声和遮挡等情况对识别的影响。CNN首先构造多层卷积神经网络,然后通过训练样本来训练卷积神经网络中的超参数并学习目标的特征,最后利用训练好的网络来识别目标。FSVM通过融合LSVM和KSVM的处理结果来识别目标。FSR通过融合SR和KSR的处理结果来识别目标。

无论是支持向量机方法中计算分类超平面、稀疏表示模型中构造字典还是卷积神经网络中学习网络超参数,这些识别方法的处理对象都是完整的目标,即,当前合成孔径雷达目标识别方法主要用于识别完整的目标。

但是,在实际应用场景中,经常出现目标被建筑、树木等遮挡的情况。目标被遮挡不但会导致部分目标信息丢失,还会引入额外的干扰信息。通常情况下干扰信息与目标信息具有明显不同的特征。现有技术中,除了ISR之外,其余方法在处理过程中没有采取消除遮挡的措施,而是将遮挡导致的干扰信息与目标信息一起处理。干扰信息会影响这些方法的计算结果,从而导致对遮挡目标的错误识别。虽然ISR企图通过在稀疏表示模型中增加误差项来消除遮挡的影响,但是采用传统稀疏表示模型的求解方法会导致最终得到的误差项不能准确地反应变化多样的遮挡情况。因此相较于传统的SR方法,虽然ISR能够更好的识别遮挡目标,但是其识别性能还有很大的提升空间。

发明内容

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于中国人民解放军国防科技大学,未经中国人民解放军国防科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201911074876.X/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top