基于極化方位角正割函數(shù)特征的艦船檢測(cè)方法
【專利摘要】本發(fā)明提供一種基于極化方位角正割函數(shù)特征的艦船檢測(cè)方法，其步驟為：（1）輸入極化SAR圖像，進(jìn)行極化方位角正割函數(shù)特征提取；（2）基于該特征，結(jié)合總功率特征進(jìn)行基于K均值聚類算法的艦船目標(biāo)檢測(cè)。本發(fā)明提出了一種新的極化特征，該特征能夠有效地檢測(cè)出具有二面角散射特性以及方位向傾斜較大的人造目標(biāo)，并且，在艦船檢測(cè)方面，大大提高了艦船檢測(cè)的效率，降低了運(yùn)算的復(fù)雜度。
【專利說明】基于極化方位角正割函數(shù)特征的艦船檢測(cè)方法
【技術(shù)領(lǐng)域】:
[0001]本發(fā)明屬于極化SAR圖像特征提取以及目標(biāo)檢測(cè)領(lǐng)域，具體涉及一種基于極化方位角正割函數(shù)特征的艦船檢測(cè)方法，新提取的極化特征對(duì)艦船目標(biāo)檢測(cè)具有高效性。
【背景技術(shù)】
[0002]極化SAR圖像特征提取的目的是利用特征來描述目標(biāo)，有效降低數(shù)據(jù)空間的維數(shù)，去除冗余信息，快速、準(zhǔn)確地對(duì)圖像進(jìn)行解譯。常用的極化特征主要有兩類:一類是測(cè)量數(shù)據(jù)的組合或變換，如極化散射矩陣的元素及其線性組合、同極化比、交叉極化比、相干系數(shù)等；一類是通過極化分解得到的目標(biāo)特征，如極化目標(biāo)分解的系數(shù)、極化熵和極化相似性參數(shù)等。其中，極化目標(biāo)分解方法是極化SAR圖像特征提取的主要方法。極化目標(biāo)分解的主要目的是將目標(biāo)的散射過程分解成代表不同散射機(jī)理的若干項(xiàng)之和，每一項(xiàng)對(duì)應(yīng)一定的物理意義。極化目標(biāo)分解的突出優(yōu)點(diǎn)就是它們大都具有明確的物理解釋，因?yàn)槟繕?biāo)回波的極化信息可以反映目標(biāo)的幾何結(jié)構(gòu)和物理特性，所以極化特征分解方法可用于目標(biāo)分類或檢測(cè)。
[0003]本發(fā)明提出一種新的極化特征一極化方位角正割函數(shù)特征，該特征能夠有效描述人造目標(biāo)的二面角散射特性以及方位向傾斜特性，并在艦船檢測(cè)方面取得了較好的效果。

【發(fā)明內(nèi)容】

[0004]本發(fā)明技術(shù)解決問題:針對(duì)人造目標(biāo)檢測(cè)效率較低的問題，提出一種基于極化方位角正割函數(shù)特征的 艦船檢測(cè)方法，該方法中新的極化特征，能夠有效地描述人造目標(biāo)的散射特性以及極化方位角特性，據(jù)此，可以有效地提高目標(biāo)的檢測(cè)效率。
[0005]本發(fā)明技術(shù)方案為:一種基于極化方位角正割函數(shù)特征的艦船檢測(cè)，其步驟如下:
[0006]步驟(1)、輸入極化SAR圖像，進(jìn)行極化方位角正割函數(shù)特征提??；
[0007]所述步驟(1)中極化SAR圖像每個(gè)像素可以由協(xié)方差矩陣C表示。
【權(quán)利要求】
1.一種基于極化方位角正割函數(shù)特征的艦船檢測(cè)方法，其特征在于，該方法的包括步驟如下: 步驟(1)、輸入極化SAR圖像，進(jìn)行極化方位角正割函數(shù)特征提取； 所述步驟(1)中極化SAR圖像每個(gè)像素可以由協(xié)方差矩陣C表示；
【文檔編號(hào)】G06K9/46GK103617628SQ201310690599
【公開日】2014年3月5日 申請(qǐng)日期:2013年12月16日 優(yōu)先權(quán)日:2013年12月16日
【發(fā)明者】王文光, 林曉霞, 劉凱琪, 石家寧 申請(qǐng)人:北京航空航天大學(xué)