[发明专利]二维非线性投影特征的SAR图像目标识别的方法

摘要

本发明属于合成孔径雷达(SAR，Synthetic Aperture Radar)自动目标识别技术领域，尤其涉及二维非线性投影特征的SAR图像目标识别。本发明的具体步骤如下S1、确定SAR图像训练样本矩阵；S2、确定核函数和核样本矩阵，通过所述核样本矩阵确定核类间散布矩阵和核内散布矩阵，通过所述核类间散布矩阵和核内散布矩阵构造目标准则函数，求得投影矩阵和投影子空间；S3、确定输入SAR图像的非线性投影特征子集，确定非线性投影特征子像与投影子空间的距离，确定输入SAR图像目标所属类别。本发明利用所有训练样本的某一列向量构造核向量，巧妙的构造核样本矩阵，在高维空间中采用投影特征提取方法，提高了分类效率，在提高分类正确率的同时，对样本的依赖度有所降低。

主权项

二维非线性投影特征的SAR图像目标识别的方法，其特征在于，包括如下步骤：S1、确定SAR图像训练样本矩阵：根据目标数据选取N幅m×n的训练样本SAR图像A1,A2,...,Al,...,AN，其中，所述N幅m×n的训练样本SAR图像分属c个类别，N1,N2,...,Nc表示各个类的样本量，N1+N2+...+Nc＝N；S2、确定核函数和核样本矩阵，通过所述核样本矩阵确定核类间散布矩阵和核内散布矩阵，通过所述核类间散布矩阵和核内散布矩阵构造目标准则函数，求得投影矩阵和投影子空间，具体方法如下：S21、将S1所述训练样本SAR图像Al表示为其中，l＝1,2,...,N，k＝1,2,...,n，表示Al的第k列；S22、对S21所述训练样本SAR图像Al进行非线性映射φ，得到核空间H中的图像样本则高维空间中的类间离散矩阵为高维空间中的类内离散矩阵为Swφ=1NΣi=1cΣj=1Ni(φ(Aij)-φ(Ai‾))(φ(Aij)-φ(Ai‾))T=1NΣi=1cΣj=1NiΣk=1n(φ(aijk)-φ(ak‾))(φ(aijk)-φ(ak‾))T;]]>S23、根据S22所述高维空间中的类间离散矩阵和类内离散矩阵选择适当的核函数，对一幅特定的SAR图像Al的某一列向量，利用S1所述N幅m×n的训练样本SAR图像A1,A2,...,Al,...,AN构造该列向量的核向量，得到相应的N×n的核样本矩阵Kl；S24、以S23所述核样本矩阵Kl，得出高维空间中的类间散布矩阵和高维空间中的类内散布矩阵其中，Kij表示第i类的第j个训练样本图像的核样本矩阵，表示第i类核样本矩阵的平均矩阵，表示所有核样本矩阵的平均矩阵；S25、根据S24所述高维空间中的类间散布矩阵和高维空间中的类内散布矩阵构造目标准则函数其中，w为任一N维的非零列矢量；S26、通过最大化目标准则函数J(w)，得到最优判别矢量对所述wopt进行广义特征方程求解，得到S27、取S26所述中前d个较大特征值所对应的特征向量构成最优投影矩阵W＝[w1,w2,...,wd]，其中，d≤n(c‑1)；S28、将S23所述核样本矩阵Kl向S27所述最优投影矩阵W上投影，得到投影特征子像Zl＝WTKl，每类目标的所有训练SAR图像的图像特征子像构成各自的投影子空间，c类目标有c个投影子空间，分别记为Pi，其中，i＝1,2,...,c；S3、确定输入SAR图像的非线性投影特征子集，确定非线性投影特征子像与投影子空间的距离，确定输入SAR图像目标所属类别。