基于非负最小二乘稀疏表示的SAR目标识别方法

专利类型：发明专利

语言：中文

申请号：CN201510752844.6

申请日：20151106

发明人：张新征刘周勇刘书君唐明春刘苗苗杨秋月

申请人：重庆大学

申请人地址：400044 重庆市沙坪坝区沙正街174号

公开日：20181009

公开号：CN105373809B

代理人：黄河

代理机构：重庆博凯知识产权代理有限公司 50212

摘　　要：本发明提供了一种基于非负最小二乘稀疏表示的SAR目标识别方法，其基于SAR图像的频谱特征作为识别特征，通过将测试样本投影到训练集上，在稀疏投影的过程中添加了非负约束，避免了因稀疏表示中的稀疏系数有正有负导致稀疏表示的数学描述不符合实际而对雷达目标识别造成干扰，同时使得稀疏解能更有效的反映目标在高维空间中的低维结构，通过稀疏重构过程来确定测试样本的类别，实现对雷达目标的识别，从而提高识别率，同时避免了对SAR图像目标进行方位角估计以及散焦或者信噪比等因素对目标识别造成的干扰，具有很好的噪声鲁棒性，能够有效提升雷达目标识别的准确性。

主权项：基于非负最小二乘稀疏表示的SAR目标识别方法，其特征在于，包括如下步骤：1)获取雷达目标的SAR图像的像素值向量f(m,n)，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，将SAR图像的像素值向量进行二维离散傅里叶变换，得到SAR图像的频谱分布向量b(u,v)： $b (u, v) = \frac{1}{M N} Σ_{m = 1}^{M} Σ_{n = 1}^{N} f (m, n) e^{[- j 2 π (\frac{u m}{M} + \frac{v n}{N})]};$ 其中，频谱分布向量b(u,v)中的一个元素表示雷达目标的SAR图像中第u行第v列像素点的频谱能量值，u∈{1,2,…,M}，v∈{1,2,…,N}；频谱分布向量b(u,v)表示雷达目标的SAR图像中各个像素点的频谱能量值的集合；2)计算SAR图像的频谱分布向量b(u,v)的绝对值，作为SAR图像的频谱特征向量： $| b (u, v) | = {[R^{2} (u, v) + I^{2} (u, v)]}^{\frac{1}{2}};$ 其中，R(u,v)和I(u,v)分别表示频谱特征向量b(u,v)复数形式的实部分量和虚部分量；3)针对多类不同的已知雷达目标，分别采集多个已知雷达目标的SAR图像作为训练样本，并按照步骤1～2分别提取各个类别中各个训练样本的频谱特征向量，从而由各个类别各个训练样本的频谱特征向量的集合构成训练样本集；4)针对待测雷达目标，采集待测雷达目标的SAR图像作为测试样本，按照步骤1～2提取测试样本的频谱特征向量；5)利用训练样本集中个各个训练样本的频谱特征向量建立非负最小二乘稀疏线性方程，对测试样本的频谱特征向量进行稀疏线性表示，并采用最小二乘法求解得到该非负最小二乘稀疏线性方程的稀疏系数向量；6)分别提取非负最小二乘稀疏线性方程的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非负最小二乘稀疏线性方程对测试样本的频谱特征向量进行重构的残差，将残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识别。

关键词：

法律状态：生效

IPC专利分类号：G06K9/62