[发明专利]电磁图像的层次化知识模型构建方法及目标识别方法

说明书

本发明涉及电磁图像处理技术领域，尤其涉及一种电磁图像的层次化知识模型构建方法及目标识别方法、计算机可读存储介质，该层次化知识模型构建方法包括如下步骤：针对部件‑目标‑环境中的结构知识，使用句法语义知识模型将不同层次的电磁散射参数化模型用树状图表示，得到与或树；针对部件‑目标‑环境电磁散射过程中的上下文知识，使用随机句法知识模型进行表示，将目标与环境的相互作用关系量化融入到所述与或树，形成与或图；在所述与或图的拓扑关系基础上，使用知识模型参数学习方法得到知识模型的参数，完成部件‑目标‑环境层次化知识模型的构建。本发明可以形成部件‑目标‑环境的完整层次化知识模型，指导目标识别方法的设计。

技术领域

本发明涉及电磁图像处理技术领域，尤其涉及一种电磁图像的层次化知识模型构建方法及目标识别方法、计算机可读存储介质。

背景技术

目前，研究者已经对多种目标电磁散射特性建模提出了电磁散射参数化模型形式，在此基础上，需要针对电磁图像建立对应的层次化知识模型，以提高目标识别中对目标电磁散射特性先验知识的表示能力。根据已有的研究经验，可以依次建立低层、中层和高层的图像语义知识模型，部件-目标-环境层次化知识模型，也可以基于深度神经网络建立层次化知识模型。图像语义知识模型从图像特征出发，部件-目标-环境层次化知识模型从实际的物理模型出发，基于深度神经网络的层次化知识模型从神经元逐层提取的特征出发。下面对这3种层次化知识模型研究进行简要介绍。

电磁图像在较大范围内呈现丰富的变化。图像语义知识模型的建立以及相关的计算方法依赖于所要解决的任务和对象的描述层次。根据Bosch和Zhu等人于2007年提出的图像场景描述方法，可以通过低层、中层、高层三个语义层次对图像进行描述，建立相应层次的图像语义知识模型。低层次语义知识模型使用简便，但泛化性差，很难用于处理训练集以外的数据；中层次语义知识模型包含了一定量的部件信息，但难以与具体目标和环境的物理性质对应；高层次语义知识模型对电磁图像进行了符合人类理解方式的概括，但包含的信息有限，难以直接体现场景的物理特性。为此，需要研究完整的部件-目标-环境的层次化知识模型，才能更加有效地将电磁图像中的目标和环境与其实际的物理特性对应。

部件-目标-环境的层次化知识模型是一种有效的SAR图像目标识别方法，但在目前的研究中难以对其用简洁统一的模型进行描述，且仍未充分体现电磁散射过程的机理。由于模型形式的复杂性，虽然这种层次化知识模型已有一些研究成果，但还存在进一步完善的空间，需要寻找更加规范合理的描述方式对其进行表示。

基于深度神经网络的知识模型在雷达图像识别上的性能优异，产业界也提供了相对较多的支持，是目前的热点研究方向。但其泛化能力和解释性较差，难以形成通用的知识模型，也难以和电磁散射过程建立直接的联系。为此，不能一味地追求知识模型的深度，也需要关注知识模型和电磁散射物理规律的联系。

发明内容

本发明的目的是针对上述至少一部分不足之处，提供一种电磁散射特性部件-目标-环境的层次化知识模型构建方法。

为了实现上述目的，本发明提供了一种电磁图像的层次化知识模型构建方法，包括如下步骤：

S1、针对电磁图像的部件-目标-环境中的结构知识，使用句法语义知识模型将不同层次的电磁散射参数化模型用树状图表示，得到与或树；

S2、针对电磁图像的部件-目标-环境电磁散射过程中的上下文知识，使用随机句法知识模型进行表示，将目标与环境的相互作用关系量化融入到所述与或树，形成与或图；

S3、在所述与或图的拓扑关系基础上，使用知识模型参数学习方法得到知识模型的参数，完成部件-目标-环境层次化知识模型的构建。