[发明专利]基于半监督协同训练的SAR目标鉴别方法

摘要

本发明公开了一种基于半监督协同训练的SAR图像目标鉴别方法，主要解决现有鉴别方法需要大量人工标记样本且实时性较差的问题。其实现过程是：1)将恒虚警率CFAR检测切片作为训练样本，从中取少量的样本进行标记；2)提取训练样本的两个林肯特征组；3)用标记过样本的两个林肯特征组训练两个分类器；4)利用3)得到的分类器对无标记样本进行鉴别；5)两个分类器挑选各自置信度较高的少数样本加入到对方的有标记训练样本中；6)利用新的有标记样本重复4)‑5)得到最终的分类器；7)用分类器对测试样本进行分类，得到分类结果。本发明仅需标记少量的样本就能达到与全监督方法相同的效果，可用于实现SAR图像目标的实时鉴别。

主权项

1.一种基于半监督协同训练的SAR目标鉴别方法，包括：A、训练步骤：(A1)将检测得到的恒虚警率CFAR切片作为训练样本D，D＝{D_l,D_u}，其中D_l表示标记样本集，x_i表示第i个有标记样本，y_i表示第i个样本对应的类别标号，L表示有标记样本的个数；D_u表示无标记样本集，x_j表示第j个未标记样本，U表示无标记样本的个数；另记第一有标记样本集为第二有标记样本集为且第一无标记样本集为第二有标记样本集为且 ；(A2)提取训练样本D的23维林肯特征，并将这23维林肯特征按照其物理意义进行分组，再从分好的林肯特征组中任意取两组特征，得到有标记样本Dl和无标记样本Du各自两组林肯特征，所述林肯特征，是由美国林肯实验室提出的常用于SAR图像目标鉴别的特征；(A3)用有标记样本Dl提取的第一组特征对第一支持向量机SVM分类器f(1)进行训练；(A4)用有标记样本Dl提取的第二组特征对第二支持向量机SVM分类器f(2)进行训练；(A5)用训练好的第一支持向量机SVM分类器f⁽¹⁾对第一无标记样本提取的第一组特征进行的分类，将分类结果按照分类置信度从高到低进行排列，从中选取前k＝5个置信度最高的样本，将其加入到第二有标记样本集中，构成新的第二有标记样本集同时将这k个置信度最高的样本从第一无标记样本中剔除，构成新的第一无标记样本集(A6)利用新的第二有标记样本集的第二组特征训练新的第二支持向量机SVM分类器f₁⁽²⁾；(A7)用训练好的第二支持向量机SVM分类器f⁽²⁾对第二无标记样本提取的第二组特征进行分类，将分类结果按照分类置信度从高到低进行排列，从中选取前k个置信度最高的样本，将其加入到第一有标记样本集中，构成新的第一有标记样本集同时将这k个置信度最高的样本从第二无标记样本中剔除，构成新的第二无标记样本集(A8)利用新的第一有标记样本集的第一组特征训练新的第一支持向量机SVM分类器f₁⁽¹⁾；(A9)将第一有标记样本集替换为新的第一有标记样本集第一无标记样本集替换为新的第一有标记样本集将第二有标记样本集替换为新的第二有标记样本集第二无标记样本集替换为新的第二有标记样本集将第一支持向量机SVM分类器f⁽¹⁾替换为新的第一支持向量机SVM分类器f₁⁽¹⁾，第二支持向量机SVM分类器f⁽²⁾替换为新的第二支持向量机SVM分类器f₁⁽²⁾；(A10)重复(A5)到(A10)的操作直到剩余未标记样本的数目小于k，得到最终的第一支持向量机SVM分类器ft(1)和第二支持向量机SVM分类器ft(2)；B、测试步骤：(B1)提取测试样本的23维林肯特征，按照其物理意义进行分组，提取与训练样本相同物理意义的两组特征；(B2)用训练步骤中训练得到的最终的第一支持向量机SVM分类器ft(1)对测试样本提取的第一组特征进行分类，得到分类结果，或者用最终的第二支持向量机SVM分类器ft(2)对测试样本提取的第二组特征进行分类，得到分类结果。