基于改進Krawtchouk矩的SAR圖像目標特征提取方法，涉及圖像特征提取技術(shù)，屬于SAR目標自動識別技術(shù)領(lǐng)域。

2.

背景技術(shù)：

在合成孔徑雷達(Synthetic Aperture Radar,SAR)圖像自動目標識別當過程中，有效地處理SAR圖像并提取能反映目標本質(zhì)屬性的特征是SAR目標識別的關(guān)鍵技術(shù)之一。

SAR圖像不像一般的光學圖像能較完整地描述目標的整體形狀，而是表現(xiàn)為稀疏的散射中心分布，且對成像的方位敏感，即同一目標在不同方位角下，SAR圖像間存在較大的差異，故而需要有效地提取目標的特征。特征提取過程是去除冗余信息的過程，具有提高識別精度、減少運算量和提高運算速度的作用，良好的特征應(yīng)具有可分性、穩(wěn)定性和獨立性等特點。而矩是一種非常重要的表示目標總體形狀的特征量，二維圖像的幾個關(guān)鍵特征均直接與矩有關(guān)，如目標的大小、質(zhì)心和旋轉(zhuǎn)情況等等。由于不變矩概念清晰、識別率穩(wěn)定，對具有平移、旋轉(zhuǎn)和縮放變化的目標有良好的不變性及抗干擾性，能有效地反映目標的本質(zhì)特征。Krawtchouk矩由于具有計算時不需要進行坐標轉(zhuǎn)換，沒有離散誤差，且能提取任意局部特征等良好性能，所以Krawtchouk矩越來越廣泛地被應(yīng)用于信號特征提取等領(lǐng)域。盡管Krawtchouk不變矩具有平移、尺度以及180度以內(nèi)的旋轉(zhuǎn)不變性，但對于具有翻轉(zhuǎn)行為或者旋轉(zhuǎn)角度大于180度的圖像，利用Krawtchouk不變矩提取特征時并不具備不變性。

針對SAR圖像的方位敏感性和平移敏感性，引入翻轉(zhuǎn)因子和旋轉(zhuǎn)因子，提取具有平移、全方位旋轉(zhuǎn)、縮放等不變性的改進Krawtchouk矩特征作為特征向量，采用支持向量機分類方法進行分類，可為SAR自動目標識別提供技術(shù)支持。

3.發(fā)明創(chuàng)造的目的

針對SAR圖像的方位敏感性和平移敏感性給SAR目標識別帶來的干擾，提出一種基于改進Krawtchouk矩的SAR圖像目標特征提取方法。在有效抑制噪聲的情況下，有效克服了SAR圖像對目標方位的敏感性，減少計算量的同時能有效地對目標進行識別。

4.技術(shù)方案

SAR目標識別分類可大致分為三個步驟：預(yù)處理、特征提取和分類。其中，如何提取圖像特征是目標分類識別的前提和關(guān)鍵，只有當選擇的特征具有良好的類內(nèi)相似性和類間差異性時，才可能利用圖像特征對目標進行精確的分類和目標識別。主要過程如下：

(1)對SAR目標的切片圖像進行中值濾波。

(2)采用一維最大熵閾值分割法對切片圖像進行分割，得到目標二值圖像和背景圖像。

(3)對目標二值圖像利用改進的Krawtchouk矩方法進行特征提取。

引入翻轉(zhuǎn)因子和旋轉(zhuǎn)因子，改進Krawtchouk不變矩構(gòu)建方法，使該矩不但具備基本Krawtchouk不變矩的特性，還具備對稱翻轉(zhuǎn)以及全方位的旋轉(zhuǎn)不變性。

改進Krawtchouk矩特征提取的主要步驟為：

Step1：根據(jù)式(1)確定圖像的質(zhì)心

其中，f(x,y)為坐標(x,y)位置的灰度值，其值為0或者1，i取0或1，j也取0或1，N為圖像的行數(shù)。

Step2：圖像的中心距u_ij可由式(2)計算，

Step3：若一幅圖像只進行了對稱翻轉(zhuǎn)，則翻轉(zhuǎn)后的圖像的中心距u_ij在j為奇數(shù)時發(fā)生符號變化；若一圖像只發(fā)生大于180度的旋轉(zhuǎn)行為，則旋轉(zhuǎn)后的圖像的u_ij在i+j為奇數(shù)時發(fā)生符號變化。根據(jù)式(3)確定圖像的翻轉(zhuǎn)因子b₁和旋轉(zhuǎn)因子b₂，

式中，sgn(*)為取數(shù)值的符號。

Step4：在圖像的旋轉(zhuǎn)角度計算公式中，計算新的旋轉(zhuǎn)角度θ，如式(4)所示，

Step5：根據(jù)Step4計算而得的旋轉(zhuǎn)角度，再引入翻轉(zhuǎn)因子，構(gòu)建如式(5)所示的幾何不變矩。

Step6：最后使用幾何不變矩式(5)構(gòu)建改進的Krawtchouk不變矩。

式中，a_k,n,p為Krawtchouk多項式系數(shù)。

(4)采用支持向量機對測試圖像進行分類，根據(jù)識別效果，判斷特征提取的有效性。

5.發(fā)明創(chuàng)造的優(yōu)點和用途

使用改進Krawtchouk不變矩提取SAR目標二值圖像的輪廓信息，并使用受噪聲影響較小的低階特征值組成特征向量，再經(jīng)支持向量機進行識別分類，可以有效地對SAR目標進行識別和分類，可以為SAR目標自動識別系統(tǒng)提供技術(shù)支持。

在基于Krawtchouk不變矩的概念上，通過引入翻轉(zhuǎn)因子和旋轉(zhuǎn)因子，提出了改進的Krawtchouk不變矩概念，使其在具有平移、尺度不變性的同時也具有翻轉(zhuǎn)和全方位旋轉(zhuǎn)不變性，使得SAR目標識別不需要事先估計目標的方向角，克服SAR圖像對目標方位的敏感性，能夠直接對目標識別。

6.附圖說明

圖1 SAR目標圖像；

圖2 SAR目標分割結(jié)果。

7.具體實施方式

使用改進Krawtchouk不變矩提取SAR目標二值圖像的形狀信息，并使用受噪聲影響較小的低階特征值組成特征向量，再利用支持向量機對SAR目標進行識別分類，可以有效地對SAR目標進行識別分類。

具體實施步驟為：

(1)首先對SAR目標切片圖像進行中值濾波，降低相干斑噪聲的影響，采用3×3的窗口進行濾波。

(2)對去噪處理后的目標切片圖像，采用一維最大熵閾值分割法分割圖像，對分割后的目標二值圖像采用數(shù)學形態(tài)學算子進行腐蝕膨脹，去除孤立點和孔洞，提取出目標區(qū)域。分割后的目標二值圖像如圖2所示。

(3)對得到的目標二值圖像，按照式(6)，使用4×4的改進的Krawtchouk矩提取計算訓練樣本和測試樣本的矩不變量分別計算這12個矩不變量，即為SAR目標的形狀特征。將其作為分類特征輸入到支持向量機進行分類識別。

(4)采用MSTAR數(shù)據(jù)驗證本發(fā)明的有效性，訓練樣本是在15°俯視角下的SAR圖像數(shù)據(jù)，測試樣本均在17°俯視角下獲取得到，每類樣本都是SAR在不同方位角下得到的，方位角的覆蓋范圍是0°～360°。

(5)對訓練樣本和測試樣本分別采用改進Krawtchouk矩進行目標特征提取，對提取后的目標特征采用支持向量機進行多類分類，得到SAR目標識別結(jié)果。

實驗分析結(jié)果：

訓練樣本為SAR在俯仰角為15°時的成像數(shù)據(jù)，包括3大類：BTR70、BMP2、T72三種樣本數(shù)據(jù)，共計為517幅數(shù)據(jù)。測試樣本是俯仰角為17°的數(shù)據(jù)，仍為BTR70、BMP2、T72三種樣本數(shù)據(jù)，共計651幅數(shù)據(jù)。三類目標識別總正確率86.6％，優(yōu)于Hu不變矩特征提取方法，是一種有效地特征提取方法，可充分描述SAR目標的形狀特征。