基于方位角相关动态字典稀疏表示的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CN106022383A(43)申请公布日2016.10.12(21)申请号201610361515.3(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谭志颖(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.G06K9/62(2006.01)权利要求书2页说明书9页附图1页(54)发明名称基于方位角相关动态字典稀疏表示的SAR目标识别方法(57)摘要本发明提供了一种基于方位角相关动态字典稀疏表示的SAR目标识别方法，其首先估计作为测试样本的SAR图像的方位角，然后根据这个方位角估计值算出一个相关方位角范围，从而基于各个训练样本的稀疏特征矩阵的集合构成的稀疏特征训练样本集，令稀疏特征训练样本集之中方位角值在相关方位角范围之外的训练样本的稀疏特征矩阵设置为零矩阵，仅保留方位角值在相关方位角范围以内的训练样本的稀疏特征矩阵，由此构成测试样本对应的稀疏特征方位角相关动态字典，然后再进行稀疏表示分类识别，大大减少稀疏编码和稀疏重构的计算量，提升了识别处理效率，同时也减少了方位角不相关的训练样本对测试样本目标识别的干扰，使得识别准确率也得以提高。CN106022383ACN106022383A权利要求书1/2页1.基于方位角相关动态字典稀疏表示的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，分别针对每一类在0°～360°方位角范围内分布采集多个已知雷达目标的SAR图像作为训练样本，并分别记录各个训练样本的方位角值；2)分别提取各个类别中各个训练样本的稀疏特征矩阵，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；3)针对一个待测雷达目标，采集该待测雷达目标的SAR图像作为测试样本，并分别计算测试样本与各个训练样本的图像像素分布相关性，取与测试样本的图像像素分布相关性最大的训练样本的方位角值作为测试样本的方位角估计值gy，从而确定测试样本的相关方位角范围φ(gy)＝[(gy-Δg),(gy+Δg)]；Δg表示预设定的方位角浮动范围值；4)将稀疏特征训练样本集之中方位角值在相关方位角范围φ(gy)之外的训练样本的稀疏特征矩阵设置为零矩阵，仅保留方位角值在相关方位角范围φ(gy)以内的训练样本的稀疏特征矩阵，由此构成测试样本对应的稀疏特征方位角相关动态字典；5)提取测试样本的稀疏特征矩阵，利用测试样本对应的稀疏特征方位角相关动态字典中的各个稀疏特征训练样本建立稀疏线性方程，对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，作为测试样本的稀疏系数向量；6)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方位角相关动态字典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和测试样本对应的稀疏特征方位角相关动态字典通过稀疏线性方程对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测试样本对应的待测雷达目标所属的雷达目标类别，实现对待测雷达目标的类别识别。2.根据权利要求1所述基于方位角相关动态字典稀疏表示的SAR目标识别方法，其特征在于，所述步骤3)中，计算测试样本与训练样本的图像像素分布相关性的具体方式为：其中，表示测试样本与第i个类别的第ni个训练样本的图像像素分布相关系数，的值越大则表示测试样本与第i个类别的第ni个训练样本的图像像素分布相关系性越大；1≤i≤K，K表示所采集的已知雷达目标的类别总数；1≤ni≤Ni，Ni表示第i个类别包含的训练样本的个数；表示第i个类别的第ni个训练样本的SAR图像中第m行n列像素的像素值，表示第i个类别的第ni个训练样本的SAR图像像素均值，fy(m,n)表示测试样本的SAR图像中第m行n列像素的像素值，表示测试样本的SAR图像像素均值；m∈{1,2,…,M}，n∈{1,2,…,N}，M和N分别表示SAR图像的像素行数和像素列数。3.根据权利要求1所述基于方位角相关动态字典稀疏表示的SAR目标识别方法，其特征在于，所述步骤3)中，方位角浮动范围值Δg的取值范围为5°～10°。2CN106022383A权利要求书2/2页4.根据权利要求1所述基于方位角相关动态字典稀疏表示的SAR目标识别方法，其特征在于，所述步骤6)具体为：61)对于测试样本的稀疏系数向量α，分别提取其中对应于稀疏特征方位角相关动态字典中每一类已知雷达目标的类别稀疏系数向量；其中