基于低秩矩阵恢复和稀疏表示的SAR目标识别方法.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN106056070A(43)申请公布日2016.10.26(21)申请号201610368234.0(22)申请日2016.05.26(71)申请人重庆大学地址400044重庆市沙坪坝区沙正街174号(72)发明人张新征王亦坚常云鹤(74)专利代理机构重庆博凯知识产权代理有限公司50212代理人黄河(51)Int.Cl.G06K9/00(2006.01)G06K9/40(2006.01)G06K9/62(2006.01)G01S13/90(2006.01)权利要求书3页说明书10页附图3页(54)发明名称基于低秩矩阵恢复和稀疏表示的SAR目标识别方法(57)摘要本发明提供了一种基于低秩矩阵恢复和稀疏表示的SAR目标识别方法，该方法特别适用于针对低图像质量的SAR图像进行目标识别，其先通过对SAR图像进行低秩矩阵恢复，得到对应的SAR低秩图像，使得绝大部分的SAR目标信息保留在SAR低秩图像中而去除噪声，并结合SAR图像中目标本身的散射特征信息仍处于低维空间、能够通过SAR低秩图像得以保留的特点，结合稀疏表示方法进行图像的目标识别，通过理论分析和实验数据均证明，能够有效的帮助提升识别正确率，解决现有技术中针对低图像质量SAR图像进行目标识别的准确率较低的问题。CN106056070ACN106056070A权利要求书1/3页1.基于低秩矩阵恢复和稀疏表示的SAR目标识别方法，其特征在于，包括如下步骤：1)对于多类不同的已知雷达目标，分别针对每一类采集多个已知雷达目标的SAR图像作为训练样本，并分别获取各个类别中各个训练样本的SAR图像像素值向量；每个训练样本的SAR图像像素值向量，是由作为训练样本的SAR图像的各个像素值排列构成；2)分别将每一类别中各个训练样本的SAR图像像素值向量组合构成相应类别的训练样本图像数据矩阵，并采用低秩矩阵恢复方法分别求得每一类别的训练样本图像数据矩阵所对应的训练样本图像低秩矩阵，进而根据每个训练样本图像低秩矩阵中对应于各个训练样本的低秩图像像素值向量，分别恢复得到各个类别中各个训练样本对应的SAR低秩图像；3)分别提取各个类别中各个训练样本对应的SAR低秩图像的稀疏特征矩阵，将针对每个训练样本所提取的稀疏特征矩阵作为一个稀疏特征训练样本，从而由提取的各个类别各个训练样本的稀疏特征矩阵的集合构成稀疏特征训练样本集；4)针对各个待测雷达目标，采集各个待测雷达目标的SAR图像作为测试样本，并分别获取各个测试样本的SAR图像像素值向量；每个测试样本的SAR图像像素值向量，是由作为测试样本的SAR图像的各个像素值排列构成；5)分别将各个测试样本的SAR图像像素值向量组合构成测试样本图像数据矩阵，并采用低秩矩阵恢复方法求得测试样本图像数据矩阵所对应的测试样本图像低秩矩阵，进而根据测试样本图像低秩矩阵中对应于各个训测试样本的低秩图像像素值向量，分别恢复得到各个测试样本对应的SAR低秩图像；6)分别提取各个测试样本对应的SAR低秩图像的稀疏特征矩阵；7)针对每个测试样本的稀疏特征矩阵，利用稀疏特征训练样本集中的各个稀疏特征训练样本建立稀疏线性方程，对相应测试样本的稀疏特征矩阵进行稀疏线性表示，并求解得到该稀疏线性方程的系数向量，作为相应测试样本的稀疏系数向量；从而得到各个测试样本的稀疏系数向量；8)针对每个测试样本的稀疏系数向量，分别提取其稀疏系数向量中对应于稀疏特征训练样本集中每一类已知雷达目标的类别稀疏系数向量，然后分别计算利用每一类已知雷达目标对应的类别稀疏系数向量通过稀疏线性方程对相应测试样本的稀疏特征矩阵进行稀疏重构的重构误差，将重构误差最小的类别稀疏系数向量所对应的一个已知雷达目标类别判定为相应测试样本对应的待测雷达目标所属的雷达目标类别；由此，实现对各个待测雷达目标的类别识别。2.根据权利要求1所述基于低秩矩阵恢复和稀疏表示的SAR目标识别方法，其特征在于，所述步骤2)中，采用低秩矩阵恢复方法分别求得每一类别的训练样本图像数据矩阵所对应的训练样本图像低秩矩阵的具体方式为：针对于第i个类别的训练样本图像数据矩阵Dx,i，1≤i≤K，K表示所采集的已知雷达目标的类别总数，建立如下的低秩矩阵恢复目标函数：其中，Ax,i和Ex,i分别表示对第i个类别的训练样本图像数据矩阵Dx,i进行低秩矩阵恢复所得到的训练样本图像低秩矩阵和训练样本图像误差矩阵；λi为针对第i个类别的训练样本图像数据矩阵的低秩矩阵恢复所设定的正则化参数，且0＜λi＜1；||·||*为核范数运算2CN106056070A权利要求书2/3页符，||·||1为L1范数运算符；通过对所述低秩矩阵恢复目标函数求解，即可得到第i个类别的训练样本图像数据矩阵Dx,i所对应的训练