[发明专利]一种基于单演特征与多核学习的红外目标识别方法

摘要

本发明公开了一种基于单演特征与多核学习的红外目标识别方法，该方法首先提取红外目标多尺度单演特征，包括：基于单演信号幅度信息的目标能量特征、基于单演信号相位信息的目标结构特征、及基于单演信号方向信息的目标几何特征。第二，针对提取的多尺度单演特征维度较高且可能存在信息冗余，采用主分量分析方法，对其进行降维。第三，将降维后的多尺度单演特征向量映射到统一核空间，实现不同特征在核空间的自适应融合。最后，构造基于多尺度单演特征的多核学习分类器，实现目标分类。本发明基于单演滤波的思想，提出了基于单演信号幅度、相位、和方向的多类红外目标特征提取方法，然后结合多核学习，有效提高了红外目标识别的性能。

主权项

1.一种基于单演特征与多核学习的红外目标识别方法，包含训练阶段和测试阶段，其特征在于，所述训练阶段包括以下步骤：(1)构建红外图像训练样本集，包括正样本和负样本，将待训练的图像样本分类，并制作样本类别标签；(2)提取训练样本多尺度单演特征；(3)采用主分量分析方法对多尺度单演特征维度进行降维；(4)选择和构建完备的多核空间，将降维后的多尺度单演特征向量映射到统一多核空间，实现不同特征在核空间的自适应融合；(5)构造基于多尺度单演特征的多核学习分类器；所述测试阶段包括以下步骤：(6)构建红外图像测试样本集，包括正样本和负样本，将待测试的图像样本分类，并制作样本类别标签；(7)提取测试样本多尺度单演特征；(8)采用主分量分析方法对步骤(7)提取的特征进行降维；(9)将降维后的多尺度单演特征向量映射到统一核空间，实现不同特征在核空间的自适应融合；(10)利用步骤(5)训练好的分类器，对测试样本进行分类识别。