基于監(jiān)督學(xué)習(xí)策略的異源雷達(dá)影像適配性評(píng)估方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種異源雷達(dá)影像適配性評(píng)估方法,尤其是涉及一種基于監(jiān)督學(xué)習(xí)策略的異源雷達(dá)影像適配性評(píng)估方法。
【背景技術(shù)】
[0002]在利用景象匹配技術(shù)來實(shí)現(xiàn)飛行器導(dǎo)航的定位系統(tǒng)中,為了獲得高精度的定位結(jié)果,除了對(duì)匹配算法性能有較高要求外,還需要考慮匹配影像之間的適配性能,這樣才能使高性能的匹配算法發(fā)揮其應(yīng)有的效能。按照特定準(zhǔn)則在飛行航跡上選取特征信息量大、信息穩(wěn)定、可匹配性高、大小滿足要求的景象區(qū)域作為匹配區(qū)的技術(shù)被稱為景象區(qū)域的適配性技術(shù)。目前國(guó)內(nèi)的適配性技術(shù)大多都是針對(duì)異源光學(xué)影像之間的匹配問題,無法有效解決異源雷達(dá)影像間的適配性評(píng)估。而基于異源雷達(dá)影像的景象匹配輔助制導(dǎo)技術(shù)是高速飛行器末制導(dǎo)環(huán)節(jié)中的關(guān)鍵環(huán)節(jié)。故研發(fā)針對(duì)異源雷達(dá)影像的適配性評(píng)估技術(shù)是我國(guó)航天制導(dǎo)技術(shù)發(fā)展的迫切需要。
【發(fā)明內(nèi)容】
[0003]本發(fā)明的目的就是為了解決異源雷達(dá)影像間的適配性評(píng)估提供一種適配性測(cè)試準(zhǔn)確度高、特征提取速度快的基于監(jiān)督學(xué)習(xí)策略的異源雷達(dá)影像適配性評(píng)估方法。
[0004]本發(fā)明的目的可以通過以下技術(shù)方案來實(shí)現(xiàn):
[0005]一種基于監(jiān)督學(xué)習(xí)策略的異源雷達(dá)影像適配性評(píng)估方法,該方法包括以下步驟:
[0006](I)將已知匹配結(jié)果的影像對(duì)分為兩個(gè)部分,分別命名為訓(xùn)練集I和訓(xùn)練集II ;
[0007](2)利用訓(xùn)練集I訓(xùn)練中層特征分類器;
[0008](3)根據(jù)步驟(2)獲得的中層特征分類器,利用訓(xùn)練集II訓(xùn)練影像適配性評(píng)估模型;
[0009](4)獲取待評(píng)估的預(yù)測(cè)集,根據(jù)所述中層特征分類器和適配性評(píng)估模型獲得所述預(yù)測(cè)集的當(dāng)前影像的匹配結(jié)果。
[0010]所述訓(xùn)練集I和訓(xùn)練集II均分別包括實(shí)時(shí)圖數(shù)據(jù)和基準(zhǔn)圖數(shù)據(jù)。
[0011]所述訓(xùn)練集I和訓(xùn)練集II中,正樣本數(shù)量與負(fù)樣本數(shù)量的差為±5%。
[0012]所述步驟(2)具體步驟如下:
[0013](2-1)繪制訓(xùn)練集I中數(shù)據(jù)的共性特征二值圖;
[0014](2-2)將共性特征二值圖分解成多個(gè)圖像區(qū)塊,保留中心位置存在有效像素點(diǎn)的圖像區(qū)塊,剔除剩余圖像區(qū)塊,得到有效區(qū)塊集S ;
[0015](2-3)對(duì)S中的所有區(qū)塊對(duì)應(yīng)的SAR圖像區(qū)域計(jì)算Daisy描述子;
[0016](2-4)將K-means算法作為聚類算法,各區(qū)塊的Daisy描述子作為聚類量,對(duì)S中的所有區(qū)塊進(jìn)行聚類;
[0017](2-5)對(duì)S中每個(gè)區(qū)塊對(duì)應(yīng)的SAR影像區(qū)域分別計(jì)算多種梯度及自相關(guān)統(tǒng)計(jì)量組成中層特征作為X輸入,聚類算法中的類別特征標(biāo)簽作為Y輸出,訓(xùn)練一個(gè)決策森林;
[0018](2-6)利用決策森林訓(xùn)練分類器,得到中層特征分類器。
[0019]所述聚類算法中,聚類數(shù)設(shè)定為150類。
[0020]所述步驟(3)具體步驟如下:
[0021](3-1)利用中層特征分類器對(duì)訓(xùn)練集II中的影像進(jìn)行特征提取,獲得中層特征圖;
[0022](3-2)根據(jù)中層特征圖對(duì)影像進(jìn)行二值化處理,獲得二值化圖像;
[0023](3-3)統(tǒng)計(jì)二值化圖像中前景像素占整幅影像的比例以及前景像素的連通區(qū)域個(gè)數(shù);
[0024](3-4)將步驟(3-3)獲得的兩個(gè)統(tǒng)計(jì)量作為特征向量,對(duì)應(yīng)影像的匹配結(jié)果作為輸出,利用SVM算法訓(xùn)練影像適配性評(píng)估模型。
[0025]所述步驟(4)中,根據(jù)所述中層特征分類器和適配性評(píng)估模型獲得所述預(yù)測(cè)集的當(dāng)前影像的匹配結(jié)果具體為:
[0026](4-1)利用步驟(2)獲得的中層特征分類器對(duì)預(yù)測(cè)集中的影像進(jìn)行特征提取,獲得中層特征圖;
[0027](4-2)根據(jù)中層特征圖對(duì)影像進(jìn)行二值化處理,獲得二值化圖像;
[0028](4-3)統(tǒng)計(jì)二值化圖像中前景像素占整幅影像的比例以及前景像素的連通區(qū)域個(gè)數(shù);
[0029](4-4)將步驟(4-3)獲得的兩個(gè)統(tǒng)計(jì)量作為特征向量輸入適配性評(píng)估模型中,獲得當(dāng)前影像的匹配結(jié)果。
[0030]所述根據(jù)中層特征圖對(duì)影像進(jìn)行二值化處理具體為:
[0031 ] 繪制中層特征圖的灰度直方圖,從灰度直方圖的中的高灰度級(jí)向低灰度級(jí)遍歷,當(dāng)后一灰度級(jí)的像素?cái)?shù)是前一灰度級(jí)像素?cái)?shù)的3倍時(shí),取前一灰度級(jí)作為閾值,對(duì)影像進(jìn)行二值化處理,獲得二值化圖像。
[0032]與現(xiàn)有技術(shù)相比,本發(fā)明具有以下優(yōu)點(diǎn):
[0033]1、采用中層特征描述影像特征,有效區(qū)分出異源雷達(dá)影像間的共性特征。
[0034]2、引入自相關(guān)紋理統(tǒng)計(jì)量作為部分特征描述量,,提高了中層特征分類器的準(zhǔn)確度。
[0035]3、引入二值化圖像中前景像素占整幅影像的比例以及前景像素的聯(lián)通區(qū)域個(gè)數(shù)作為特征描述量,提高了適配性評(píng)估模型的準(zhǔn)確度。
[0036]4、將人對(duì)異源雷達(dá)影像間共性特征的認(rèn)識(shí)加入分類器的訓(xùn)練過程中,采用監(jiān)督學(xué)習(xí)策略訓(xùn)練中層分類器,提高了特征提取的速度。
【附圖說明】
[0037]圖1為本發(fā)明的流程示意圖。
【具體實(shí)施方式】
[0038]下面結(jié)合附圖和具體實(shí)施例對(duì)本發(fā)明進(jìn)行詳細(xì)說明。本實(shí)施例以本發(fā)明技術(shù)方案為前提進(jìn)行實(shí)施,給出了詳細(xì)的實(shí)施方式和具體的操作過程,但本發(fā)明的保護(hù)范圍不限于下述的實(shí)施例。
[0039]如圖1所示,本實(shí)施例提供一種基于監(jiān)督學(xué)習(xí)策略的異源雷達(dá)影像適配性評(píng)估方法,該方法包括以下步驟:
[0040](I)將已知匹配結(jié)果的影像對(duì)分為兩個(gè)部分,分別命名為訓(xùn)練集I和訓(xùn)練集II。訓(xùn)練集I和訓(xùn)練集II均分別包括實(shí)時(shí)圖數(shù)據(jù)(RAR,Real Aperture Radar影像)和基準(zhǔn)圖數(shù)據(jù)(SAR, Synthetic Aperture Radar影像),兩個(gè)訓(xùn)練集中,正樣本數(shù)量與負(fù)樣本數(shù)量大致相等,差為±5%。
[0041](2)利用訓(xùn)練集I訓(xùn)練中層特征分類器,具體步驟如下:
[0042](2-1)根據(jù)共性特征先驗(yàn)知識(shí),通過目視判別繪制訓(xùn)練集I中數(shù)據(jù)的共性特征二值圖;
[0043](2-2)將共性特征二值圖分解成多個(gè)圖像區(qū)塊,本實(shí)施例中,每個(gè)圖像區(qū)塊的大小為35X35,保留中心位置存在有效像素點(diǎn)的圖像區(qū)塊,剔除剩余圖像區(qū)塊,得到有效區(qū)塊集S ;
[0044](2-3)對(duì)S中的所有區(qū)塊對(duì)應(yīng)的SAR圖像區(qū)域計(jì)算Daisy描述子;
[0045](2-4)將K-means算法作為聚類算法,各區(qū)塊的Daisy描述子作為聚類量,對(duì)S中的所有