用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法技术方案

本发明专利技术公开了一种用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法，包括构建特征库及推理机；构建特征库的具体过程为：11)对SAR图像中的目标进行分割检测；12)对SAR图像进行目标虚警剔除及目标的标定；13)构建基于高斯差模型的多尺度空间；14)取SAR图像的多分辨率特征，再根据提取的多分辨率特征构建特征库；构建推理机的具体过程为：21)利用提取的SAR图像的多分辨率特征构建训练集及测试集；22)构建多尺度多核支持向量分类器；23)对多尺度多核支持向量分类器进行训练及测试，再利用训练及测试后的多尺度多核支持向量分类器进行SAR图像的自动目标识别，以构建推理机，该方法能够实现对SAR图像的自动目标识别。动目标识别。动目标识别。

【技术实现步骤摘要】
用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法


[0001]本专利技术涉及一种智能决策支持系统设计方法，具体涉及一种用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法。

技术介绍

[0002]决策支持系统(Decision Support System,DSS)是以信息技术为手段，应用管理科学、计算机科学等学科的理论和方法，针对半结构化或非结构化的决策问题，通过提供背景材料、协助明确问题、修改完善模型、列举可能方案、进行分析比较等方式，为管理者做出正确决策提供帮助的人机交互信息系统。
[0003]20世纪70年代，运筹学模型发展已经比较完善，多目标决策分析突破了单一效用理论的框架，计算机软、硬件及网络技术的迅猛发展，人工智能特别是知识处理技术的发展，数据库技术、图形显示技术、各类工具软件的发展与完善，构成了DSS形成与发展的技术基础。70年代末，DSS大都由模型库、数据库及人机交互系统等三个部件组成，它被称为初阶决策支持系统。80年代初，DSS增加了知识库与方法库，构成了三库系统或四库系统。1980至1988年，DSS得到迅速发展，许多实用系统被开发出来，投入实际应用，产生明显效益。20世纪80年代后期，神经网络和机器学习等技术应用和研究，DSS技术持续发展，通过将专家系统与DSS相结合，形成了新一代DSS，其研究仍然十分活跃。
[0004]智能决策支持系统(Intelligent Decision Support System，IDSS)是将AI技术引入DSS而形成的一种新型信息系统。在席卷全球的信息化和智能化浪潮中，IDSS作为DSS研究的热点和主要发展方向，引起了国内外学术界和企业界的极大重视，在军事和民用领域均有重要用途。
[0005]一个典型智能决策支持系统，主要由：(1)人机交互系统，(2)数据库、模型库、特征库系统，(3)推理机，(4)知识库系统，(5)解释系统，(6)输入系统及部分构成，各系统连接关系图如图1所示。
[0006]合成孔径雷达(Synthetic Aperture Radar，SAR)是一种先进的微波对地观测设备，具有全天候、全天时工作的特点，对地面植被有一定穿透能力，能获得类似光学照片的目标图像。SAR的分辨率高，与可见光、红外传感器比较具有独特的优势和无法替代的作用，被广泛应用于工农业生产、科研和军事等领域，在航空测量、遥感、卫星海洋观测、航天侦察中正发挥着突出作用。特别是在军事领域，广泛应用于全天候、全天时侦察，穿透探测，识别伪装，纵深侦察，动目标显示，雷达成像，实时信息处理等。随着SAR在越来越多的领域得到广泛成功的应用，基于SAR图像的目标识别逐渐成为了图像识别的一个重要分支。
[0007]目前，SAR已经成为一种不可或缺的对地观测和军事侦察手段。一个典型的机载SAR系统可在1分钟内对大约100km2的范围进行高分辨率成像获得1m
×
1m分辨率的SAR图像，这相当于每秒产生一幅100多万象素的SAR图像，面对不断增长的SAR图像收集能力，传统的图像人工判读方法已经越来越力不从心，如何对这些图像进行自动或半自动快速、准
确的解译已经引起人们的关注和重视。而自动目标识别(Automatic Target Recognition，ATR)就是自动或半自动SAR图像解译研究的一个重要方面，特别是近年来无人机载SAR系统的广泛应用，使得SAR图像ATR的准确率、速度、可实现性，以及自主化的智能决策越发受到重视。
[0008]基于无人机载SAR图像的ATR当前广泛使用于战场监控、侦察监视、反恐等领域，能实现战场车辆、舰船、建筑等目标的自动检测和判别，如图2所示。C4IKSR是美军当前指挥信息系统发展的新阶段，代表了一种发现即摧毁的新理念。美军的“捕食者”(改进型号称为“死神”)无人机系统就是这一理念的践行者，其先进的无人平台、目标感知、监跟踪视、武器系统以及远程通信控制技术，使得其在现代局部战争和反恐作战中发挥了重要作用。但这类无人作战系统更多的是依赖人在回路控制，还未做到真正的自动目标识别，更没有从智能决策支持的角度加以设计和有效利用。

技术实现思路

[0009]本专利技术的目的在于克服上述现有技术的缺点，提供了一种用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法，该方法能够实现对无人机载SAR图像的高效自动目标识别。
[0010]为达到上述目的，本专利技术所述的用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法包括构建特征库及推理机；
[0011]构建特征库的具体过程为：
[0012]11)获取SAR图像，采用基于CFAR的SAR图像目标分割原理对SAR图像中的目标进行分割检测；
[0013]12)基于形态学的SAR图像目标虚警剔除和检测方法对经步骤11)处理后的SAR图像进行目标虚警剔除及目标的标定；
[0014]13)根据标定后的SAR图像构建基于高斯差模型的多尺度空间；
[0015]14)构建的多尺度空间，利用基于正交基滤波采样的多分辨率特征提取和选择方法提取SAR图像的多分辨率特征，再根据提取的多分辨率特征构建特征库；
[0016]构建推理机的具体过程为：
[0017]21)利用提取的SAR图像的多分辨率特征构建训练集及测试集；
[0018]22)构建多尺度多核支持向量分类器；
[0019]23)利用训练集及测试集对多尺度多核支持向量分类器进行训练及测试，得训练及测试后的多尺度多核支持向量分类器，再利用训练及测试后的多尺度多核支持向量分类器进行SAR图像的自动目标识别，以构建推理机。
[0020]步骤12)的具体操作为：
[0021]2a)对SAR图像进行CFAR分割，再采用数学形态学中的膨胀操作，将SAR图像中目标区域的孔洞填充；
[0022]2a)计算SAR图像中连通域的像素个数，并通过设置阈值，去除小区域的虚警；
[0023]3a)采用数学形态学中的腐蚀操作，将膨胀后的目标区域进行缩小，以恢复至目标的原始大小；
[0024]4a)计算连通域的大小，去除新产生的小区域虚警，并计算每个连通域的重心坐
标，再对SAR图像中的目标进行标定。
[0025]步骤14)中，在构建的多尺度空间基础上，基于正交基滤波采样的多分辨率特征提取和选择方法，通过设计3
×
3正交基作为滤波核，对SAR图像进行多级滤波处理，获得SAR图像在8个方向上的高频特征以及一个低通滤波的低频特征。
[0026]还包括：基于特征容器的特征库数据存储方法对获取的多分辨率特征进行存储。
[0027]采用高斯核构建多尺度多核支持向量分类器。
[0028]还包括：基于XML对训练及测试后的多尺度多核支持向量分类器进行存储。
[0029]本专利技术具有以下有益效果：
[0030]本专利技术所述的用于无人机载SAR图像自动目标识本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法，其特征在于，包括构建特征库及推理机；构建特征库的具体过程为：11)获取SAR图像，采用基于CFAR的SAR图像目标分割原理对SAR图像中的目标进行分割检测；12)基于形态学的SAR图像目标虚警剔除和检测方法对经步骤11)处理后的SAR图像进行目标虚警剔除及目标的标定；13)根据标定后的SAR图像构建基于高斯差模型的多尺度空间；14)构建的多尺度空间，利用基于正交基滤波采样的多分辨率特征提取和选择方法提取SAR图像的多分辨率特征，再根据提取的多分辨率特征构建特征库；构建推理机的具体过程为：21)利用提取的SAR图像的多分辨率特征构建训练集及测试集；22)构建多尺度多核支持向量分类器；23)利用训练集及测试集对多尺度多核支持向量分类器进行训练及测试，得训练及测试后的多尺度多核支持向量分类器，再利用训练及测试后的多尺度多核支持向量分类器进行SAR图像的自动目标识别，以构建推理机。2.根据权利要求1所述的用于无人机载SAR图像自动目标识别的智能决策支持系统设计及实现方法，其特征在于，步骤12)的具体操作为：2a)对SAR图像进行CFAR分割，再采用数学形态学中的膨胀操作，将SAR图像中目标区域的孔洞填充；2a)计算SA...

【专利技术属性】
技术研发人员：汪洪桥，蔡艳宁，付光远，王冕，贾晓雅，张少磊，
申请(专利权)人：中国人民解放军火箭军工程大学，
类型：发明
国别省市：