联合多特征的MSTAR数据集SAR目标识别方法
合成孔径雷达(synthetic aperture radar,SAR)通过二维高分辨率成像获得有效对地观测数据,支撑军民领域的相关应用。SAR目标识别通过对SAR图像进行特征分析和分类决策判定其中的目标类别[
本文提出一种联合多特征的SAR目标识别方法,通过结合Zernike矩、KPCA和单演信号3类特征的优势提升整体性能。Zernike矩描述目标的几何形状,具有平移旋转不变、物理意义清晰、反映目标细节等优势[
1 SAR图像多特征提取
1.1 Zernike矩
Zernike矩具有平移旋转不变性及噪声稳健性等优点,在SAR目标区域描述中得以广泛运用[
(1) |
式中:;;为偶数且。
Zernike多项式为单位圆上1组正交的完整复数值函数,并满足以下条件:
(2) |
式中:为常数。
在此基础上构造旋转不变量如下:
(3) |
基于上述公式,可计算输入图像的任意阶Zernike矩,其中,高阶矩可有效反映图像中的细节信息,有利于提高识别性能。本文选用Zernike矩的3~8阶矩描述SAR目标区域,由此构成特征矢量。
1.2 核主成分分析
主成分分析(principal component analysis,PCA)通过分析大量样本的数据结构计算最佳的投影方向,从而实现数据降维[
, |
其均值和协方差矩阵为
(4) |
(5) |
式中:为实数矩阵。
计算协方差矩阵的特征值及特征矢量:
(6) |
式中:V为列向量存储特征值;为矩阵存储特征向量。向量V中的每个特征值与矩阵D中的特征向量相对应。选取若干较大特征值对应的特征矢量构建投影矩阵,用于样本的特征提取。
KPCA是对PCA在非线性空间的扩展,可以更为高效地处理具有非线性结构的数据集[
1.3 单演信号
单演信号是一种二维信号分解算法,可有效分析原始图像的多层次频谱特性[
(7) |
式中:i和j均为虚数单位;和其Riesz变换分别对应单演信号的实部和虚部。在此基础上,定义单演信号特征如下:
(8) |
式中:、分别对应单演信号的i-虚部和j-虚部;为幅度信息;、分别对应局部相位和方位信息。
基于单演信号分解得到的3类特征各具不同特性,主要反映图像的灰度分布特性,和分别反映图像的局部细节信息及形状特征。联合使用单演信号的特征有利于构造信息更为丰富的特性描述。本文对SAR图像进行单演信号分解[
2 联合多特征的目标识别方法
2.1 联合稀疏表示
同一幅SAR图像提取的不同类别特征具有一定的内在关联性,本文采用联合稀疏表示对它们进行联合表征,从而提高整体精度[
(9) |
式中:g为目标函数;为对应第个特征的全局字典;为相应的系数矢量;为稀疏矩阵:
(10) |
式中:λ表示大于0的正则化系数。采用范数对进行约束,可有效利用3类特征的内在关联。
根据求得的系数矩阵,分别计算各个类别对3类特征的重构误差之和,进而判定测试样本的目标类别:
(11) |
式中:和分别为第类中对应第个特征的部分字典及相应系数矢量。
2.2 多权值组合融合
联合稀疏表示通过比较各类别对于3类特征的重构误差之和进行目标类别的判定,即等权值加权融合。不同特征在不同条件下的重要性也不同,即存在权值差异,本文通过多组权值进行加权,从而融合得到更为鲁棒的结果。记为第类对于第类特征的重构误差,首先构造n个权值矢量:
(12) |
式中:矩阵W中的每一列代表1个权值矢量,满足:
且 | (13) |
1组权值矢量的加权过程如下:
(14) |
在组随机权值矢量中,第类训练样本获得个加权结果,称为融合误差矢量。最终,对这个重构误差求平均作为最终第类的重构误差,并通过各类对比判定测试样本的目标类别。可见,在多组权值矢量的作用下,可以对参与融合的3类特征进行充分分析。
图1 联合多特征的SAR目标识别流程
Fig.1 Procedure of SAR target recognition via joint use of multiple features
3 试验结果与讨论
3.1 试验设置
MSTAR数据集是当前SAR目标识别方法测试和评价的代表性数据集,具有较强的对比意义。试验中,数据集共包含有10类军事车辆目标,具体如
图2 10类MSTAR目标的光学及SAR图像
Fig.2 Optic and SAR images of 10 MSTAR targets
将试验过程中的几类现有方法进行对比:第1类采用本文使用的3类特征,但采用单一特征,分别记为Zernike方法[
3.2 标准操作条件
在SAR目标识别问题中,标准操作条件一般指测试样本与训练样本具有较高的整体相似度,识别难度相对较低。
目标类别 | 训练集(17°俯仰角) | 测试集(15°俯仰角) | ||
---|---|---|---|---|
目标型号 | 样本数量 | 目标型号 | 样本数量 | |
BMP2 | 9563 | 233 | 9563 | 195 |
BTR70 | c71 | 233 | c71 | 196 |
T72 | 132 | 232 | 132 | 196 |
T62 | A51 | 299 | A51 | 273 |
BRDM2 | E‒71 | 298 | E‒71 | 274 |
BTR60 | 7532 | 256 | 7532 | 195 |
ZSU23/4 | d08 | 299 | d08 | 274 |
D7 | 13015 | 299 | 13015 | 274 |
ZIL131 | E12 | 299 | E12 | 274 |
2S1 | B01 | 299 | B01 | 274 |
图3 标准操作条件下的识别结果
Fig.3 Recognition results under SOC
方法类型 | 平均识别率/% |
---|---|
本文方法 | 99.46 |
Zernike | 98.14 |
KPCA | 98.23 |
单演信号 | 98.74 |
融合方法1 | 98.92 |
融合方法2 | 99.12 |
A-ConvNet | 99.08 |
3.3 扩展操作条件
扩展操作条件与标准操作条件相对应,考察由于目标、背景、传感器等因素导致的测试样本与训练样本之间的差异。基于MSTAR数据集可设置的典型扩展操作条件主要包括型号差异和俯仰角差异。
1)型号差异
型号差异主要是由于目标自身的变化带来的情形,测试样本与训练样本来自同一目标的不同型号,如
目标类别 | 训练集(17°俯仰角) | 测试集(15°俯仰角) | ||
---|---|---|---|---|
目标型号 | 样本数量 | 目标型号 | 样本数量 | |
BMP2 | 9563 | 233 | 9566 c21 | 196 196 |
T72 | 132 | 232 | 812 s7 | 195 191 |
BTR60 | 7532 | 256 | 7532 | 195 |
T62 | A51 | 299 | A51 | 273 |
方法类型 | 平均识别率/% |
---|---|
本文方法 | 98.57 |
Zernike | 96.74 |
KPCA | 96.04 |
单演信号 | 97.28 |
融合方法1 | 97.64 |
融合方法2 | 98.12 |
A-ConvNet | 97.16 |
2)俯仰角差异
随着目标与传感器之间相对视角的变化,相应获得的SAR图像也会存在较大的差异。特别地,当测试样本与训练样本来自差距较大的俯仰角时,识别问题的难度大大加剧。
目标类别 | 训练集 | 测试集 | ||
---|---|---|---|---|
俯仰角/(°) | 样本数量 | 俯仰角/(°) | 样本数量 | |
2S1 | 17 | 299 | 30 45 | 288 303 |
BDRM2 | 17 | 298 | 30 45 | 287 303 |
ZSU23/4 | 17 | 299 | 30 45 | 288 303 |
图4 各方法在不同俯仰角下的识别结果
Fig.4 Recognition results of different methods at different depression angles
3.4 少量训练样本
真实场景下,可用于训练学习的感兴趣目标的SAR图像十分有限甚至稀缺,这将直接影响分类器的训练效果以及最终的识别性能。为测试本文方法在少量训练样本条件下的识别性能,缩小了
图5 各类方法在少量训练样本下的识别结果
Fig.5 Recognition results of different methods under reduced training samples
4 结论
本文提出联合多特征的SAR目标识别方法,分别采用Zernike矩、KPCA以及单演信号描述了原始SAR图像的特性,获得了相应的特征矢量。分类阶段采用联合稀疏表示对3类特征进行表征,进而基于多权值矢量对它们的重构误差矢量进行加权融合,最终,根据融合后的重构误差判定测试样本的目标类别。3类特征具有良好的互补性,因此可以为目标识别提供更多有效信息。基于MSTAR数据集在标准操作条件、型号差异、俯仰角差异以及少量训练样本条件下对所提方法进行了测试验证,结果表明,本文方法性能较优。
- 重磅!CSSCI来源期刊(2023-2024版)最新期刊目录看点分析!全网首发!
- CSSCI官方早就公布了最新南核目录,有心的人已经拿到并且投入使用!附南核目录新增期刊!
- 北大核心期刊目录换届,我们应该熟知的10个知识点。
- 注意,最新期刊论文格式标准已发布,论文写作规则发生重大变化!文字版GB/T 7713.2—2022 学术论文编写规则
- 盘点那些评职称超管用的资源,1,3和5已经“绝种”了
- 职称话题| 为什么党校更认可省市级党报?是否有什么说据?还有哪些机构认可党报?
- 《农业经济》论文投稿解析,难度指数四颗星,附好发选题!
- 期刊知识:学位论文完成后是否可以拆分成期刊论文发表?
- 号外!出书的人注意啦:近期专著书号有空缺!!
- 汇总!已知这些省份都认可报纸文章(上)