技術(shù)特征：

1.基于改進(jìn)Krawtchouk矩的SAR圖像目標(biāo)特征提取方法，其特征是，包括以下步驟：

(1)對SAR目標(biāo)的切片圖像進(jìn)行中值濾波；

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

(3)對目標(biāo)二值圖像利用改進(jìn)的Krawtchouk矩方法進(jìn)行特征提??；

引入翻轉(zhuǎn)因子和旋轉(zhuǎn)因子，改進(jìn)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(jìn)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$\left\{\begin{array}{c}{m}_{ij}=\underset{x=0}{\overset{N-1}{\Σ}}\underset{y=0}{\overset{N-1}{\Σ}}{x}^i{y}^{j}f(x,y)\\ \stackrel{\‾}{x}=\frac{m_{10}}{m_{00}},\stackrel{\‾}{y}=\frac{m_{01}}{m_{00}}\end{array}\right.---\left(1\right)$

其中，f(x,y)為坐標(biāo)(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(jì)算，

$u_{ij}=\underset{x=0}{\overset{N-1}{\Σ}}\underset{y=0}{\overset{N-1}{\Σ}}{(x-\stackrel{\‾}{x})}^i{(y-\stackrel{\‾}{y})}^{j}f(x,y)---\left(2\right)$

Step3：若一幅圖像只進(jìn)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(shí)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(shí)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，

$\left\{\begin{array}{c}{b}_2=sgn\left(u_{12}\right)\\ b_1=b_2\×sgn\left(u_{03}\right)\end{array}\right.---\left(3\right)$

式中，sgn(*)為取數(shù)值的符號；

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

$\mathrm{\θ}=\frac{1}{2}{\tan }^{-1}\left(\frac{2u_{11}}{u_{20}-u_{02}}\right)-(b_2-1)\frac{\mathrm{\π}}{2}---\left(4\right)$

Step5：根據(jù)Step4計(jì)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；

$\begin{array}{c}{\tilde{v}}_{nm}=\underset{x=0}{\overset{N-1}{\Σ}}\underset{y=0}{\overset{N-1}{\Σ}}\frac{N^2/2}{m_{00}}f(x,y)\×{\{\[(x-\stackrel{\‾}{x})\cos \mathrm{\θ}+(y-\stackrel{\‾}{y})\sin \mathrm{\θ}\]\sqrt{\frac{N^2/2}{m_{00}}}+N/2\}}^n\\ \×{\{b_1\[(y-\stackrel{\‾}{y})\cos \mathrm{\θ}+(x-\stackrel{\‾}{x})\sin \mathrm{\θ}\]\sqrt{\frac{N^2/2}{m_{00}}}+N/2\}}^m\end{array}---\left(5\right)$

Step6：最后使用幾何不變矩式(5)構(gòu)建改進(jìn)的Krawtchouk不變矩；

${\tilde{Q}}_{nm}{\[\mathrm{\ρ}\left(n\right)\mathrm{\ρ}\left(m\right)\]}^{-(1/2)}\underset{i=1}{\overset{n}{\Σ}}\underset{j=1}{\overset{m}{\Σ}}{a}_{i,n,p_1}{a}_{j,m,p_2}{\tilde{v}}_{ij}---\left(6\right)$

式中，a_k,n,p為Krawtchouk多項(xiàng)式系數(shù)；

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