申请/专利权人：电子科技大学

申请日：2024-01-09

公开（公告）日：2024-04-12

公开（公告）号：CN117876804A

主分类号：G06V10/771

分类号：G06V10/771;G01S13/90;G06V10/774;G06V10/764;G06V10/82;G06V10/77;G06N3/126

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.30#实质审查的生效;2024.04.12#公开

摘要：本发明属于雷达遥感应用技术领域，具体涉及一种SAR目标子空间特征优选方法。本发明的方法将对SAR图像提取的模式特征进行优选，并且利用SAR图像独有的特征属性对优选过程进行约束，实现特征子空间级的优选，获得使目标识别准确率达到最高的特征子空间。从而在特征维数降维的同时，使得SAR目标识别准确率提升，同时获得最优特征子集来对子空间重构，具有极佳的可解释性。

主权项：1.一种SAR目标子空间特征优选方法，其特征在于，包括以下步骤：S1、从已知的SAR图像数据集中获取数据，经过预处理后得到训练数据集；S2、对训练数据集分别进行PCA主成分分析特征提取，定义训练数据集为X∈Rm×n，每个样本为m表示样本个数，n表示训练数据集维度，自定义参数k表示特征提取维度；具体包括：a1、计算每个维度的均值： a2、用每个维度减去得到的均值，得到一个矩阵，实现对输入数据进行中心化处理： a3、构建协方差矩阵： a4、对协方差矩阵C进行特征值分解，并取最大的k个特征值所对应的特征矢量组成降维矩阵V∈Rk×n；a5、将降维矩阵V乘以原矩阵进行降维，即Y'＝XVT，得到降维之后的PCA特征集合；对训练数据集中的SAR图像进行GLCM灰度公式矩阵计算，获得对比度、离散度、同质性、能量、相关性、ASM属性，构成一个6维的特征作为约束条件；S3、利用改进的遗传算法进行特征选择，改进的方法是利用S2获得的约束条件对遗传算法的交叉过程进行约束，约束方法是若原SAR图像与优选后特征重构的图像之间的6维约束特征小于预设阈值，则遗传算法中的父亲个体与母亲个体可以交叉，反之则不交叉，利用SAR目标特性来约束遗传算法对于提取到的PCA特征集合进行优选；S4、利用得到的特征子集对分类器进行训练，得到训练好的分类器；S5、将获得的SAR图像输入到训练好的分类器，获得识别准确度与最终的最优特征子空间。

全文数据：

权利要求：

百度查询： 电子科技大学 一种SAR目标子空间特征优选方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD