[发明专利]基于Attribute的极窄脉冲雷达船只目标鉴别方法

权利要求书

1.基于Attribute的极窄脉冲雷达船只目标鉴别方法，其特征在于，包括：

对极窄脉冲雷达图像中的舰船目标进行分割，得到舰船目标的分割图像作为训练图像；

提取所述训练图像的低层特征；

根据属性Attribute的重构性、高判别性和高预测性三个性质，构建属性中层特征与所述低层特征的映射模型；并利用所述映射模型将所述训练图像的低层特征映射至属性中层特征；

其中，构建的属性中层特征与所述低层特征映射模型的优化模型为：

其中为属性Attribute的重构性模型；X为低层特征向量，X维度为即为训练图像总数；K_RBF(*)为高斯核函数；D_i为字典D的第i行，D为大小为M×K的字典，M为低层特征的维度；α为属性中层特征，α的维度为K小于M；α_j为α的第j列；为高斯核的带宽；

J_c(W,ξ,b,α)为利用类别c的SVM学习问题构建的属性Attribute的高判别性模型，其中对于第i个图像I_i和类别c，如果y_i＝c，即第i个图像I_i中目标类别y_c为类别c，则SVM分类结果y_ci设置为1，否则y_ci设置为-1

其中，Q₁为依经验设定的常数值；W为超平面集合W＝{W_c}_c，c为目标类别c，每个类别为总类别，W_c为类别c的超平面，用于将类别c的属性向量和其他类别的属性向量分开；第c类SVM分类器松弛变量集合ξ＝{ξ_c}_c，ξ_c为第c类SVM分类器松弛变量，ξ_ci为第c类SVM分类器松弛变量中的第i项，共项；第c类SVM分类器位移参数集合b＝{b_c}_c，b_c为第c类SVM分类器的位移参数；

L_k(β,α)为利用支持向量回归SVR公式的对偶问题构建的属性Attribute的高预测性模型，其中：

其中ε对应于SVR对预测误差的容忍程度；Q₂为设定约束误差经验值，Q₂为常数；k为属性α的维度，范围是1～K；对于每个属性k，利用线性SVM分类，学习一个超平面w_k；β为属性预测相关参数，β_k为第一属性预测相关参数为第二属性预测相关参数k为属性维度，取值范围是[1,K]区间内整数；x_i为图像I_i对应的低层特征，也即X中的第i行；x_j为属性预测器f_k(k∈{1,…,K})根据x_i预测得到的测试样本；κ(x_i,x_j)为代入x_i和x_j的正的半有限内核；α_ik为α的第i行第k列；测试样本x_j的第k个属性的值为：

对所构建的属性中层特征与所述低层特征映射模型的优化模型进行优化求解，得到属性中层特征与低层特征的映射模型的最优解；

构建SVM分类器，以训练图像的属性中层特征作为输入，对所述SVM分类器进行训练，得到训练好的SVM分类器用于极窄脉冲雷达船只目标鉴别。

2.如权利要求1所述的方法，其特征在于，所述对极窄脉冲雷达图像中的舰船目标进行分割，得到舰船目标的分割图像作为训练图像，具体为：

使用Radon变换处理所述极窄脉冲雷达图像，确定舰船目标的船只主轴，并将舰船目标从所述极窄脉冲雷达图像的海杂波背景中分割出来，得到舰船目标的分割图像作为训练图像。