基于多稀疏描述的最近邻子空间SAR目标识别方法技术

本发明专利技术公开了一种基于多稀疏描述的最近邻子空间SAR目标识别方法，主要解决解决现有技术进行目标识别时精度低且对具有局部变化的目标识别效果不好的问题。其实现步骤是：（1）预处理，得到训练样本和测试样本图像的归一化子图像；（2）构造字典矩阵，获得和分类数相同的多个字典矩阵；（3）计算稀疏向量；（4）计算重构误差；（5）确定识别结果，利用最近邻子空间公式，将重构误差最小值对应的目标类别作为识别结果。本发明专利技术与现有技术相比提高了识别局部变化目标的精度。本发明专利技术与现有技术相比提高了对测试样本细节特征的描述能力和识别率。

【技术实现步骤摘要】

【技术保护点】
一种基于多稀疏描述的最近邻子空间SAR目标识别方法，包括以下步骤：（1）预处理：（1a）输入训练样本图像和测试样本图像；（1b）以训练样本图像和测试样本图像的几何中心为基准，分别截取48×48像素的子图像；（1c）用每一幅子图像中像素的幅度值，分别除以该子图像中所有像素幅度的最大值，得到训练样本图像和测试样本图像的归一化子图像；（2）构造字典矩阵：（2a）将训练样本归一化子图像的所有像素值按列取出，排成一个列向量，得到该子图像的特征向量；（2b）根据训练样本图像的先验类别信息，确定分类数和分类区间，对特征向量进行分类；（2c）用训练样本中的每一类特征向量组成一个字典矩阵，获得和分类数相同的多个字典矩阵；（3）计算稀疏向量：（3a）将测试样本归一化子图像的所有像素值按列取出，排成一个列向量，得到测试样本特征向量；（3b）求解优化方程，得到测试样本特征向量在每个字典矩阵上的稀疏向量；（4）计算重构误差：（4a）将每个字典矩阵和与其对应的稀疏向量相乘，得到每个字典矩阵重构测试样本的重构向量；（4b）将测试样本特征向量和每个字典矩阵重构测试样本的重构向量相减，得到每个字典矩阵重构测试样本的重构误差向量；（4c）计算每个重构误差向量的2范数值，得到每个重构误差向量的重构误差值；（5）确定识别结果：利用最近邻子空间公式，从每个重构误差向量的重构误差值中找到重构误差值的最小值，将最小值对应的目标类别作为最终的识别结果。...

【技术特征摘要】

【专利技术属性】
技术研发人员：吴艳，刘明，张庆君，吉新涛，李明，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西;61