基于二維澤爾尼克矩特征稀疏表示的sar目標識別方法
【技術領域】
[0001] 本發(fā)明涉及雷達目標識別技術領域，尤其涉及一種基于二維澤爾尼克矩特征稀疏 表示的SAR目標識別方法。
【背景技術】
[0002] 合成孔徑雷達（Synthetic Aperture Radar，簡稱SAR)技術，是采用搭載在衛(wèi)星或 飛機上的移動雷達，獲得高精度地理區(qū)域雷達目標圖像的一種脈沖雷達技術。雷達目標自 動識別（Synthetic Aperture Radar Auto Targets Recognition，簡稱 SAR-ATR)在很多地 理信息分析技術領域中都具有重要的應用價值。
[0003] 雷達目標自動識別的識別性能，主要由特征提取和識別算法決定。在特征提取方 面，通過較好的特征提取，不僅僅可以降低數據識別的維數，并且還可以盡可能多的保留用 來進行識別的有效信息。由于SAR圖像的一些獨特的特點，例如鏡面反射、多反射和數據本 身的非線性等因素，很難像光學圖像那樣直接提取其線性特征。因此為了更有效的實現(xiàn)識 另IJ，科研工作者已經嘗試將多種不同特征應用到雷達目標自動識別領域中，例如位置信息 特征、峰值特征、PCA (Principal Component Analysis，主成分分析）特征、HOG (Histogram of Oriented Gradient，方向梯度直方圖）特征等。在識別方法方面，傳統(tǒng)的識別方法主要 都是基于模板匹配和基于模型匹配。在基于模板的匹配方法中，通常是用待測目標的SAR 圖像的特征來和已知目標且基于模板的訓練圖像進行對比，以期獲得目標識別結果，但是 由于SAR圖像具有較為復雜的背景，這很難消除和忽略背景圖像對目標物匹配的影響，除 此之外俯仰角的變化也加大了目標物匹配的難度。在基于模型的匹配方法中，通常方法是 保持一個目標在不同的姿勢、方位角和部署條件下的物理和概念的模型，但由于目標物樣 本所限制導致很難推斷出模型參數，從而容易導致訓練數據和被測試數據之間沒有很強的 統(tǒng)計關系，這種情況下就很容易使得雷達目標識別失敗了；并且，在不同的擴展條件下，訓 練數據和被測試數據的操作參數也是不盡相同的，這也較大程度上影響了對雷達目標物的 識別率。
[0004] 如何通過更好的方法來提升雷達目標自動識別的識別性能，一直都是領域內研宄 的重要課題。

【發(fā)明內容】

[0005] 針對現(xiàn)有技術中存在的上述問題，為了解決現(xiàn)有技術中SAR圖像目標識別都需要 估計目標方位角、識別準確性有限的問題，本發(fā)明提供了一種基于二維澤爾尼克矩特征稀 疏表示的SAR目標識別方法，該雷達目標識別方法采用非負稀疏表示來對非負時頻平面數 據進行建模和特征提取，不需要對SAR圖像進行目標方位角估計，同時能夠避免散焦或者 信噪比等因素對目標識別效果的影響，提高SAR目標識別的準確性。
[0006] 為實現(xiàn)上述目的，本發(fā)明采用了如下技術手段：
[0007] 基于二維澤爾尼克矩特征稀疏表示的SAR目標識別方法，包括如下步驟：
[0008] 1)獲取雷達目標的SAR圖像，并將SAR圖像呈現(xiàn)為三維的SAR三維圖像，三個維度 分別為SAR圖像的行像素坐標、列像素坐標和電磁散射幅值；
[0009] 2)將電磁散射幅值維度均勻劃分為若干個幅值區(qū)間，將SAR三維圖像中電磁散射 幅值在同一個幅值區(qū)間內的像素點的二維像素坐標圖像作為SAR三維圖像在相應幅值區(qū) 間所對應的SAR二維切片圖像，從而將雷達目標的SAR三維圖像分割成為多個SAR二維切 片圖像；
[0010] 3)提取SAR三維圖像的每一幅SAR二維切片圖像的澤爾尼克矩特征，構成雷達目 標的澤爾尼克矩特征向量；
[0011] 4)針對多類不同的已知雷達目標，分別采集多個已知雷達目標的SAR圖像作為訓 練樣本，并按照步驟1~3分別提取各個類別中各個訓練樣本的澤爾尼克矩特征向量，從而 由各個類別各個訓練樣本的澤爾尼克矩特征向量的集合構成訓練樣本集；
[0012] 5)針對待測雷達目標，采集待測雷達目標的SAR圖像作為測試樣本，按照步驟1~ 3提取測試樣本的澤爾尼克矩特征向量；
[0013] 6)利用訓練樣本集中個各個訓練樣本的澤爾尼克矩特征向量建立稀疏線性方程， 對測試樣本的澤爾尼克矩特征向量進行稀疏線性表示，并求解得到該稀疏線性方程中各個 的稀疏系數，將非零稀疏系數所對應的訓練樣本所屬的類別判定為待測雷達目標所屬的雷 達目標類別，實現(xiàn)對待測雷達目標的識別。
[0014] 上述基于二維澤爾尼克矩特征稀疏表示的SAR目標識別方法中，具體而言，所述 步驟3中，一幅SAR二維切片圖像的澤爾尼克矩特征b的表達式為：
[0015]
【主權項】
1. 基于二維澤爾尼克矩特征稀疏表示的SAR目標識別方法，其特征在于，包括如下步 驟： 1) 獲取雷達目標的SAR圖像，并將SAR圖像呈現(xiàn)為三維的SAR三維圖像，三個維度分別 為SAR圖像的行像素坐標、列像素坐標和電磁散射幅值； 2) 將電磁散射幅值維度均勻劃分為若干個幅值區(qū)間，將SAR三維圖像中電磁散射幅值 在同一個幅值區(qū)間內的像素點的二維像素坐標圖像作為SAR三維圖像在相應幅值區(qū)間所 對應的SAR二維切片圖像，從而將雷達目標的SAR三維圖像分割成為多個SAR二維切片圖 像； 3) 提取SAR三維圖像的每一幅SAR二維切片圖像的澤爾尼克矩特征，構成雷達目標的 澤爾尼克矩特征向量； 4) 針對多類不同的已知雷達目標，分別采集多個已知雷達目標的SAR圖像作為訓練樣 本，并按照步驟1~3分別提取各個類別中各個訓練樣本的澤爾尼克矩特征向量，從而由各 個類別各個訓練樣本的澤爾尼克矩特征向量的集合構成訓練樣本集； 5) 針對待測雷達目標，采集待測雷達目標的SAR圖像作為測試樣本，按照步驟1~3提 取測試樣本的澤爾尼克矩特征向量； 6) 利用訓練樣本集中個各個訓練樣本的澤爾尼克矩特征向量建立稀疏線性方程，對測 試樣本的澤爾尼克矩特征向量進行稀疏線性表示，并求解得到該稀疏線性方程中各個的稀 疏系數，將非零稀疏系數所對應的訓練樣本所屬的類別判定為待測雷達目標所屬的雷達目 標類別，實現(xiàn)對待測雷達目標的識別。
2. 根據權利要求1所述基于二維澤爾尼克矩特征稀疏表示的SAR目標識別方法，其特 征在于，所述步驟3中，一幅SAR二維切片圖像的澤爾尼克矩特征b的表達式為：
其中，r表示SAR二維切片圖像中行像素坐標為y、列像素坐標為X的像素點（X，y)的 向量，r = W ； Θ表示SAR二維切片圖像中像素點（x，y)的向量與列像素坐標軸的 夾角，9 = tarTHy/x) ;f(r, Θ)表示SAR二維切片圖像中像素點（x，y)的強度函數，當 SAR二維切片圖像中像素點（x，y)位置處有像素點，其強度函數f(r，Θ) = 1，當SAR二維 切片圖像中像素點（x，y)位置處沒有像素點，則其強度函數f(r，Θ) =0;p-|q|是偶數， O彡I q I彡p，且P彡O ;BMk為澤爾尼克多項式的系數：
通過提取SAR三維圖像的每一幅SAR二維切片圖像的澤爾尼克矩特征，得到雷達目標 的一組澤爾尼克矩特征向量。
3. 根據權利要求1所述基于二維澤爾尼克矩特征稀疏表示的SAR目標識別方法，其特 征在于，所述步驟6具體為： 61)利用訓練樣本集中個各個訓練樣本的澤爾尼克矩特征向量建立如下的稀疏線性方 程，對測試樣本的澤爾尼克矩特征向量進行稀疏線性表示： /λ - β X H - β\Ρ\ \ β\φ\.2 ^ Ι.'.ι β,.? I! ^ βK , \ . \ ' 其中，bz表示測試樣本的澤爾尼克矩特征向量；H表示訓練樣本集，β表示稀疏線性方 程的稀疏系數向量，其中： H = [h" h2,…，Iii,…，hK]; hi表示第i類已知雷達目標訓練樣本的澤爾尼克矩特征向量子集，I < i < K，K表示 訓練樣本集中所包含的已知雷達目標的類別總數；且*^=[\，\2，一，/1?,，一， 6^,]，4?,表示 第i類已知雷達目標第&個訓練樣本的澤爾尼克矩特征向量，I < n N i，Ni表示針對第 i類已知雷達目標所采集的訓練樣本的個數； β-[/?ι ρ/?Ι 2,···,/；1Ν|,···,/? (, .···,/；, Λ； ]; 表示稀疏系數向量中對應于第i類已知雷達目標第Ili個訓練樣本的澤爾尼克矩特 征向量t的稀疏系數； 62) 以晝= argmax R(^)n作為稀疏系數向量優(yōu)化目標，以^ ^xH Q作為約 O Z=IK 束條件，對所建立的稀疏線性方程進行求解，得到該稀疏線性方程的優(yōu)化目標稀疏系數向 量合的值；其中，ε為預設定的稀疏重構誤差閾值，Il · IItlS LO范數運算符； 63) 將優(yōu)化目標稀疏系數向量0中非零稀疏系數所對應的訓練樣本所屬的類別判定為 待測雷達目標所屬的雷達目標類別，實現(xiàn)對待測雷達目標的識別。
【專利摘要】本發(fā)明提供了一種基于二維澤爾尼克矩特征稀疏表示的SAR目標識別方法，該方法能夠有效提取SAR目標圖像中攜帶的局部電磁散射特征信息，在不同的方位角下，每一類目標的電磁散射中心和散射強度都是不同的，因此，基于2D切片圖計算出來的Zernike特征具有很強的鑒別性；同時，本發(fā)明的SAR目標識別方法應用了稀疏表示理論來進行識別，它可以很好的對輸入特征進行重構，并且根據重構誤差來做出判別?？傮w而言，本發(fā)明基于二維澤爾尼克矩特征稀疏表示的SAR目標識別方法把2D切片圖的Zernike矩特征與SRC技術相結合，這樣就可以很好的目標進行識別，并且具有良好的對噪聲的魯棒性。
【IPC分類】G06K9-00, G06K9-46
【公開號】CN104732224
【申請?zhí)枴緾N201510163244
【發(fā)明人】張新征, 劉周勇, 劉書君, 吳奇政, 王韜
【申請人】重慶大學
【公開日】2015年6月24日
【申請日】2015年4月8日