[发明专利]对逆合成孔径雷达ISAR的批量成像质量评估方法

摘要

本发明公开了一种对逆合成孔径雷达ISAR的批量成像质量评估方法，主要解决现有技术耗时多，模型复杂、建模难度大的问题。其实现方案为：对N幅ISAR图像由人工视觉进行分类，并对分类好的ISAR图像贴上标签作为样本；将样本中的一半作为训练样本输入到卷积神经网络CNN中训练，提取出图像特征并得到训练好的卷积神经网络CNN′；将提取的特征输入支持向量机SVM中训练，得到训练好的支持向量机SVM′；将样本中的另一半作为测试样本输入到卷积神经网络CNN′中进行测试和提取特征，并将该特征输入支持向量机SVM′中进行分类，得到对逆合成孔径雷达ISAR的批量成像质量评估结果。本发明耗时和费用少，便于操作，效率高，可用于对雷达性能的检测和雷达设计。

主权项

1.一种对逆合成孔径雷达ISAR的批量成像质量评估方法，其特征在于，包括如下：(1)对N幅ISAR图像由人工视觉分为“优”、“良”、“中”和“差”这4类，每类图像的个数为n，N≥960，n≥240；(2)给人工分类的ISAR图像贴上不同的标签，即“优”的标签为“1”，“良”的标签为“2”，“中”的标签为“3”，“差”的标签为“4”；(3)选取4类带标签的ISAR图像的一半作为训练样本，输入到卷积神经网络CNN中进行训练，得到训练好的卷积神经网络CNN′，并提取出所有类别的图像的特征μ；(4)将提取得到的特征μ输入到不同正则化系数λ下的支持向量机SVM中进行训练，得到训练好的支持向量机SVMs′，进而得到训练样本的4种实际分类结果；(5)将训练样本的实际分类结果与标签对比，确定最优的正则化系数λ′，得到最终训练好的支持向量机SVM′；(6)选取(2)中4类带标签的ISAR图像的另一半作为测试样本，输入到经(3)训练好的卷积神经网络CNN′中进行特征提取，提取出所有类别的图像特征κ；(7)将(6)中提取得到的特征κ输入最终训练好的支持向量机SVM′中进行分类，得到对逆合成孔径雷达ISAR的批量成像质量评估结果。