[发明专利]基于散射点和K中心一类分类器的SAR目标鉴别方法

摘要

本发明公开了基于散射点和K中心一类分类器的SAR目标鉴别方法，主要解决了现有技术未从雷达成像的本质揭示目标和杂波虚警的区别，鉴别总正确率低的缺点。其技术方案是：1)对SAR图像进行恒虚警检测，提取切片；2)从提取的切片中选取包含真实目标的切片构成训练样本；3)依散射点模型从训练样本中提取散射点矩阵，并进行幅度2‑范数归一；4)对训练样本散射点矩阵进行K中心聚类，得到簇中心；5)计算K中心一类分类器的鉴别门限Thr；6)计算测试样本和簇中心的最小双向Hausdorff距离；7)根据该距离判断测试样本是否为目标。本发明降低了杂波虚警的虚警率，有效提高了鉴别总正确率，适用于SAR图像中车辆等具有显著强散射点分布特征的人造目标的鉴别。

主权项

1.一种基于散射点和K中心一类分类器的SAR目标鉴别方法，包括：(1)训练步骤：(1a)对SAR图像I进行恒虚警检测，得到二值图像C，对该二值图像进行聚类，得到疑似目标区域，以疑似目标区域的重心为几何中心，截取m×n的切片xi，i＝1,...,N，N是从SAR图像I中提取切片的总个数；(1b)从切片{x1,x2,...,xi,...,xN}中选取包含真实目标的切片{y1,y2,...,yj,...,yQ}构成训练样本集，其中j＝1,...,Q，Q≤N，Q是训练样本个数；(1c)估计训练样本yj的信号能量比，以此为门限从训练样本yj中提取散射点矩阵Aj，并对散射点矩阵Aj的幅度进行2‑范数归一，2‑范数归一后的散射点矩阵记为A'j；(1d)根据预先给定的中心个数K，K≤Q，用K中心一类分类器，将训练样本对应的散射点集{A'₁,A'₂,...,A'_j,...,A'_Q}聚为K簇，同时保存这K簇的中心(1e)根据预先给定的拒判率P和K簇的中心计算K中心一类分类器的门限Thr，其中0≤P＜1；(2)测试步骤：(2a)估计测试切片z的信号能量比，并依此为门限提取散射点矩阵B，对散射点矩阵B的幅度进行2‑范数归一，2‑范数归一后的散射点矩阵记为B'；(2b)计算测试样本的散射点矩阵B'与步骤(1e)得到的K簇的中心之间的最小双向Hausdorff距离d_B；(2c)将测试样本的散射点矩阵B'与K簇的中心之间的最小双向Hausdorff距离d_B与步骤(1e)得到的K中心一类分类器的判决门限Thr进行比较，如果d_B≤Thr，则测试样本z为目标，否则，测试样本z为杂波虚警。