基于散射點和k中心一類分類器的sar目標鑒別方法
【技術領域】
[0001] 本發(fā)明屬于雷達技術領域，涉及目標的檢測與鑒別方法，可用于SAR圖像中車輛 等具有顯著的強散射點分布特征的人造目標的鑒別。
【背景技術】
[0002] 雷達成像技術是在上世紀50年代發(fā)展起來的，在之后的60年里突飛猛進的發(fā)展， 目前，已經(jīng)在軍事、農(nóng)林、地質(zhì)、海洋、災害、測繪等諸多方面得到廣泛的應用。合成孔徑雷達 SAR具有全天候、全天時、分辨率高以及穿透力強等特點，成為目前對地觀測和軍事偵察的 重要手段。
[0003] SAR圖像解譯是當前SAR應用的前沿課題，同時也是近幾年來對地觀測技術應用 的一個熱門領域，具有重要的研究意義和廣泛的應用前景。美國林肯實驗室提出了 SAR圖 像自動目標識別的三級處理流程圖并被廣泛使用。該流程包含三個基本階段：檢測、鑒別、 分類。目標鑒別屬于目標檢測和目標識別的中間階段，是對檢測階段得到的潛在目標區(qū)域 進一步區(qū)分目標和雜波，去除雜波虛警，減小目標識別階段的計算代價。自林肯實驗室提出 SAR圖像目標鑒別的概念后，研究者們在鑒別特征提取、鑒別器設計、性能分析、硬件實現(xiàn)上 做了大量的研究。
[0004] 鑒別首先需要解決的問題是特征提取，提取的應該是能夠揭示目標和雜波虛警的 本質(zhì)差異，使得目標和雜波虛警在特征空間上可以分離的特征。傳統(tǒng)的SAR圖像鑒別特 征，如標準偏差、分形維數(shù)、加權填充比等從紋理方面揭示目標和雜波虛警的差異；如目標 直徑、歸一化轉(zhuǎn)動慣量、峰值CFAR、均值CFAR等從尺寸方面揭示目標和雜波虛警的差異；揭 示目標像素集合的空間分布特征，如空間分布、拐點特征、加速度特征等從目標像素集合的 空間分布方面揭示目標和雜波虛警的差異。這些特性對目標和雜波虛警的分離是有用的， 但是這些特征沒有從雷達相干成像的本質(zhì)揭示目標和雜波虛警的區(qū)別，其鑒別總正確率較 低。另外，部分傳統(tǒng)SAR圖像鑒別特征的提取，需要先對樣本進行恒虛警檢測，而恒虛警檢 測的好壞直接影響特征的可分性。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的在于針對上述已有技術的不足，提出一種基于散射點和K中心一類 分類器的SAR目標鑒別方法，提高目標鑒別正確率。
[0006] 實現(xiàn)本發(fā)明目的的技術方案是：從雷達相干成像的本質(zhì)出發(fā)，提出散射點特征，利 用該特征描述目標與雜波虛警的區(qū)別；根據(jù)不同樣本中提取散射點個數(shù)的不同，引入雙向 Hausdorff距離計算點數(shù)不同的兩個點集間的距離，并用K中心一類分類器對樣本進行鑒 另IJ。其具體步驟包括如下：
[0007] ⑴訓練步驟：
[0008] (Ia)對SAR圖像I進行恒虛警檢測，得到二值圖像C，對該二值圖像進行聚類，得 到疑似目標區(qū)域，以疑似目標區(qū)域的重心為幾何中心，截取mXn的切片 Xi，i = 1，...，N，N 是從SAR圖像I中提取切片的總個數(shù)；
[0009] (Ib)從切片{Xl，x2, . . .，Xi, . . .，xN}中選取包含真實目標的切片 {yi，y2,. ·.，y」，...，yj構(gòu)成訓練樣本集，其中j = 1，...，Q，Q彡N，Q是訓練樣本個數(shù)；
[0010] (Ic)估計訓練樣本y」的信號能量比，以此為門限從訓練樣本y」中提取散射點矩 陣~，并對散射點矩陣~的幅度進行2-范數(shù)歸一，2-范數(shù)歸一后的散射點矩陣記為A' j;
[0011] (Id)根據(jù)預先給定的中心個數(shù)K，K彡Q，用K中心一類分類器，將訓練樣 本對應的散射點集{A' p A' 2,. . .，A、. . .，A' Q}聚為K簇，同時保存這K簇的中心 (Aq, Ay ·, Ay., j·' t - I,. . . , K ；
[0012] (Ie)根據(jù)預先給定的拒判率P和K簇的中心Af:，···, Af ,···，Afi. }，計算K中心 一類分類器的門限Thr，其中0 < P < 1 ;
[0013] (2)測試步驟：
[0014] (2a)估計測試切片z的信號能量比，并依此為門限提取散射點矩陣B，對散射點矩 陣B的幅度進行2-范數(shù)歸一,2-范數(shù)歸一后的散射點矩陣記為B' ；
[0015] (2b)計算測試樣本的散射點矩陣B'與步驟（Ie)得到的K簇的中心 ，…，Ac,，_··，▲~.}之間的最小雙向Hausdorff距離dB;
[0016] (2c)將測試樣本的散射點矩陣B'與K簇的中心AyqAf，…,AfjJ之間的最 小雙向Hausdorff距離dB與步驟（Ie)得到的K中心一類分類器的判決門限Thr進行比較， 如果dB< Thr，則測試樣本z為目標，否則，測試樣本z為雜波虛警。
[0017] 本發(fā)明從雷達成像的本質(zhì)出發(fā)提取散射點特征，更好的揭示了目標和雜波虛警的 區(qū)別。與現(xiàn)有技術相比，能夠有效的提高總正確率，同時降低了雜波虛警的虛警率。
【附圖說明】
[0018] 圖1是本發(fā)明的實現(xiàn)流程圖；
[0019] 圖2是本發(fā)明中的恒虛警檢測子流程圖；
[0020] 圖3是本發(fā)明中的空心滑窗示意圖；
[0021] 圖4是本發(fā)明實驗使用的SAR圖像；
[0022] 圖5是用本發(fā)明和傳統(tǒng)方法對圖4進行鑒別的結(jié)果對比圖。
【具體實施方式】
[0023] 以下結(jié)合附圖對本發(fā)明技術方案及效果作進一步詳細表述。
[0024] 參照圖1，本發(fā)明的實現(xiàn)包括訓練階段和測試階段，詳細步驟如下：
[0025] -、訓練階段
[0026] 步驟1，對SAR圖像I進行恒虛警檢測，得到二值圖像C。
[0027] 參照圖2,本步驟的具體實現(xiàn)如下：
[0028] (Ia)假設目標的最大長度為1，雷達的距離分辨率和方位分辨率分別為P p P a， 則目標在SAR圖像中的最大長度IJP最大寬度I a分別為
【主權項】
1. 一種基于散射點和K中心一類分類器的SAR目標鑒別方法，包括： (1) 訓練步驟： (la) 對SAR圖像I進行恒虛警檢測，得到二值圖像C，對該二值圖像進行聚類，得到疑 似目標區(qū)域，以疑似目標區(qū)域的重心為幾何中心，截取mXn的切片 Xi，i = 1，. . .，N，N是從 SAR圖像I中提取切片的總個數(shù)； (lb) 從切片（X1, x2,. . .，Xi,. . .，xN}中選取包含真實目標的切片 {yi，y2,. ·.，y」，...，yj構(gòu)成訓練樣本集，其中j = 1，...，Q，Q彡N，Q是訓練樣本個數(shù)； (lc) 估計訓練樣本^的信號能量比，以此為門限從訓練樣本^中提取散射點矩陣A」， 并對散射點矩陣~的幅度進行2-范數(shù)歸一，2-范數(shù)歸一后的散射點矩陣記為A' j; (ld) 根據(jù)預先給定的中心個數(shù)K，K < Q，用K中心一類分類器，將訓練樣本 對應的散射點集{A' D A' 2,. . .，A'.，. . .，A' Q}聚為K簇，同時保存這K簇的中心
(le) 根據(jù)預先給定的拒判率P和K簇的中心，計算K中心一類 分類器的門限Thr，其中O彡P < 1 ;
(2) 測試步驟： (2a)估計測試切片z的信號能量比，并依此為門限提取散射點矩陣B，對散射點矩陣B 的幅度進行2-范數(shù)歸一,2-范數(shù)歸一后的散射點矩陣記為B' ； (2b)計算測試樣本的散射點矩陣B'與步驟（Ie)得到的K簇的中心
之間的最小雙向Hausdorff距離dB; (2c)將測試樣本的散射點矩陣B'與K簇的中心
之間的最小雙 向Hausdorff距離dB與步驟（Ie)得到的K中心一類分類器的判決門限Thr進行比較，如 果dB< Thr，則測試樣本z為目標，否則，測試樣本z為雜波虛警。
2. 根據(jù)權利要求1所述的基于散射點和K中心一類分類器的SAR目標鑒別方法，其中 步驟（Ia)所述的對SAR圖像I進行恒虛警檢測，按如下步驟進行： (Ial)假設目標的最大長度為1，雷達的距離分辨率和方位分辨率分別為Pp Pa，則 目標在SAR