[发明专利]基于低秩矩阵恢复和稀疏表示的SAR目标识别方法

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。

主权项

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。