[发明专利]基于目标先验信息的空间目标ISAR图像分类方法

说明书

本发明公开了一种基于目标先验信息的空间目标ISAR图像分类方法，主要解决分类器识别率依赖于人工参数设置以及需要大量人工标记的ISAR图像作为训练样本的问题。其步骤为：(1)生成带有空间目标先验信息的训练样本集；(2)提取训练样本的特征；(3)计算训练样本中特征方差值；(4)生成训练样本的分类器函数；(5)提取待分类样本的特征；(6)获得每个特征的分类器函数值；(7)对每个种类的所有特征分类器函数值作融合处理；(8)得到分类结果。本发明利用目标先验信息结合提取得到的目标特征方差，生成分类器函数，有效地提高了空间目标识别率。

技术领域

本发明属于雷达通信技术领域，更进一步涉及雷达信号处理技术领域中的一种基于目标先验信息的空间目标逆合成孔径雷达ISAR(Inverse Synthetic Aperture Radar)图像分类方法。本发明对空间目标ISAR图像，结合空间目标的先验信息，训练得到分类器，完成不同种类的空间目标ISAR图像的分类。

背景技术

空间目标的识别技术是空间目标监视系统的重要环节，对维护空间安全有着重要的意义。使用雷达的回波信号得到ISAR图像，可以更加直观的获得目标的特征，给空间目标的准确分类提供了可靠的保障。使用采集得到的目标ISAR图像，提取特征并训练分类器，可以完成空间目标ISAR图像分类。

北京无线电测量研究所在其申请的专利文献“一种逆合成孔径雷达空间分类方法及系统”(专利申请号：CN201711129995.1，公开号：CN107871123A)中提出了一种空间目标逆合成孔径雷达图像分类方法。该方法的具体步骤是：第一步，根据采集到的目标ISAR图像，确定ISAR图像中目标的散射点强度信息和位置信息；第二步，根据位置信息和预先设置的分布规则，确定目标的特征信息；第三步，根据强度信息、几何结构特征信息和散射分布特征信息确定特征向量；第四步，根据特征向量和预先设置的分类器，确定空间目标ISAR图像的类别。该方法虽然可以从ISAR图像中提取特征并识别，但是，该方法仍然存在的不足之处是，使用了预选设置的分类器来确定空间目标ISAR图像的类别，其性能依赖于人工参数设置以及从ISAR图像中提取得到的特征信息。当信噪较低时，提取得到的特征误差较大，导致分类识别率下降。

金红燕在其发表的论文“ISAR空间目标识别方法研究”(硕士学位论文哈尔滨工业大学2018年)中提出了一种基于反向传播神经网络的空间目标ISAR图像分类方法。该方法具体步骤是：第一步，把采集到的ISAR图像作为训练样本，并对其中的空间目标种类作人工标记；第二步，从训练样本中提取出微动频率特征、傅里叶算子特征和对数螺旋线算子特征等多种特征；第三步，使用标记过类别的训练样本的特征输入反向传播神经网络中，训练该网络，得到训练好的反向传播神经网络分类器；第四步，提取出测试样本的特征输入训练好的分类器，得到测试样本目标的分类结果。该方法虽然可以得到较好的分类准确率，但是，该方法仍然存在的不足之处是，需要大量人工标记的ISAR图像作为训练样本，当训练样本量不足时，分类识别率会下降。

发明内容

本发明的目的是针对上述现有技术存在的不足，提出了一种基于目标先验信息的空间目标ISAR图像分类方法，用于解决现有技术中存在的分类器识别率依赖于人工参数设置以及从ISAR图像中提取得到的特征信息的问题以及需要大量人工标记的ISAR图像作为训练样本的问题。

实现本发明目的的思路是，提取训练集中样本的特征，并结合目标先验信息生成分类器函数，相比较只使用提取得到的特征信息，使用目标的先验信息可以得到更加准确的特征值。同时本发明选择更简单的分类器函数，可以有效的减少对训练样本数量的需求，提高在小样本情况下的识别准确率。

本发明实现的具体步骤包括如下：

(1)生成带有空间目标先验信息的训练样本集：

从连续时间的带有空间目标先验信息的ISAR图像中，每种空间目标随机选取P个ISAR图像组组成训练样本集，P≥20，每个ISAR图像组由三张连续时间的ISAR图像构成；