[发明专利]基于层次分析的星载SAR图像舰船目标分类方法

摘要

本发明提供一种基于层次分析的星载SAR图像舰船目标分类方法。技术方案包括下述步骤第一步，基于训练集的特征排序，根据可分性、稳定性和最佳个体特征三种评价度量准则的重要程度，将各类特征的重要性得分值按照由大至小的顺序进行排序；第二步，最优特征选择，依次增加特征数目形成特征集对训练集进行分类；第三步，目标分类，基于每一个最优特征集，形成分类结果矢量；将分类结果矢量加权处理，选择概率最大者作为最终分类结果。本发明有效地解决了目前在星载SAR图像舰船目标特征选择和分类决策中缺乏有效评估准则的问题，能够优选出适合舰船目标分类的舰船特征及其特征集，有效提高舰船目标分类精度。

主权项

基于层次分析的星载SAR图像舰船目标分类方法，利用星载合成孔径雷达图像舰船目标形成训练集，其特征在于，还包括下述步骤：第一步，基于训练集的特征排序：根据可分性、稳定性和最佳个体特征三种评价度量准则的重要程度形成评价度量比较矩阵，然后计算评价度量比较矩阵的最大归一化特征向量；基于训练集提取目标的特征，计算每类特征在上述每种评价度量准则下对应的评价度量值，形成每一类特征对应的评价度量向量；利用最大归一化特征向量与每一类特征对应的评价度量向量点乘，得到每一类特征的重要性得分值；将各类特征的重要性得分值按照由大至小的顺序进行排序；第二步，最优特征选择：利用第一步的特征排序结果，依次增加特征数目形成特征集对训练集进行分类；选择分类正确率最大时的特征集所包含的N个特征作为候选特征，从N个候选特征中任选N‑1个特征作为一个最优特征集，从而得到N个最优特征集，根据最优特征集所包含特征的排序结果，确定最优特征集的优先级；第三步，目标分类：基于每一个最优特征集，利用分类器对未知的星载SAR图像舰船目标进行分类，得到N个属于不同舰船类型的分类概率，形成分类结果矢量；对N个最优特征集，将其优先级作为重要程度形成基于特征的评价度量比较矩阵，计算上述基于特征的评价度量比较矩阵的最大归一化特征向量，作为权值向量；将分类结果矢量与权值向量点乘，选择概率最大者作为最终分类结果；上述SAR是指合成孔径雷达。