基于層次分析的星載sar圖像艦船目標(biāo)分類方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于SAR(Synthetic Aperture Radar，合成孔徑雷達(dá)）圖像目標(biāo)識別技術(shù) 領(lǐng)域，涉及一種基于層次分析（Analytic Hierarchy Process，ΑΗΡ)的星載SAR圖像艦船目 標(biāo)分類方法。
【背景技術(shù)】
[0002] 目前，國內(nèi)外對星載SAR圖像艦船目標(biāo)檢測研究較多，而對艦船目標(biāo)分類識別研 究較少?；诙嗵卣鞯呐灤繕?biāo)分類方法比基于單特征的艦船目標(biāo)分類方法越來越受到重 視，但在艦船目標(biāo)特征選擇及評價(jià)分類性能方面往往缺乏客觀的評估準(zhǔn)則。
[0003] 星載SAR圖像中艦船目標(biāo)散射特征受許多因素影響，包括氣象、圖像分辨率、航 速、航向、船舶尺寸與材料等。對于非金屬或者小型船舶，其散射特征并不明顯，人工對其解 譯難度也較大。目前的星載SAR圖像艦船目標(biāo)分類方法無法對其進(jìn)行正確識別。常用于艦 船目標(biāo)分類的特征包括長A，寬f 2，長寬比f3，面積f4，周長f5，形狀復(fù)雜度f 6，質(zhì)心f7,轉(zhuǎn)動 慣量f8，質(zhì)量f9，平均強(qiáng)度A。，方差系數(shù)f n，加權(quán)填充比f12,標(biāo)準(zhǔn)差fw，分形維數(shù)fl4以及Hu 矩f15~f 21共21個(gè)。這些特征屬于幾何結(jié)構(gòu)特征和灰度統(tǒng)計(jì)特征。另外，電磁散射特征對 艦船目標(biāo)分類也是十分重要的，但是通常較難提取，較少用于艦船分類。
[0004] 利用星載SAR圖像艦船目標(biāo)切片提取的特征進(jìn)行分類識別時(shí)，對于同一個(gè)分類器 輸入不同的特征集往往會導(dǎo)致不同的分類結(jié)果。因此，艦船特征選擇對提高艦船目標(biāo)分類 正確率非常關(guān)鍵。層次分析是一種定性與定量相結(jié)合、系統(tǒng)化、層次化的分析方法。由于其 在處理復(fù)雜的決策問題上的實(shí)用性和有效性，已廣泛應(yīng)用于經(jīng)濟(jì)計(jì)劃和管理、能源政策和 分配、行為科學(xué)、軍事指揮、運(yùn)輸、農(nóng)業(yè)以及教育等領(lǐng)域。但其在星載SAR圖像艦船目標(biāo)特征 選擇以及分類決策中尚未得到應(yīng)用。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明通過將層次分析的思想運(yùn)用到特征選擇和艦船分類決策中，有效地解決了 目前在星載SAR圖像艦船目標(biāo)特征選擇和分類決策中缺乏有效評估準(zhǔn)則的問題，能夠優(yōu)選 出適合艦船目標(biāo)分類的艦船特征及其特征集，有效提高艦船目標(biāo)分類精度。
[0006] 本發(fā)明的技術(shù)方案是：利用星載SAR圖像艦船目標(biāo)形成訓(xùn)練集，其特征在于，還包 括下述步驟：
[0007] 第一步，基于訓(xùn)練集的特征排序。
[0008] 根據(jù)可分性、穩(wěn)定性和BIF (Best Individual Feature，最佳個(gè)體特征）三種評價(jià) 度量準(zhǔn)則的重要程度形成評價(jià)度量比較矩陣，然后計(jì)算評價(jià)度量比較矩陣的最大歸一化特 征向量。
[0009] 基于訓(xùn)練集提取目標(biāo)的特征，計(jì)算每類特征在上述每種評價(jià)度量準(zhǔn)則下對應(yīng)的評 價(jià)度量值，形成每一類特征對應(yīng)的評價(jià)度量向量。
[0010] 利用最大歸一化特征向量與每一類特征對應(yīng)的評價(jià)度量向量點(diǎn)乘，得到每一類特 征的重要性得分值。
[0011] 將各類特征的重要性得分值按照由大至小的順序進(jìn)行排序。
[0012] 第二步，最優(yōu)特征選擇
[0013] 利用第一步的特征排序結(jié)果，依次增加特征數(shù)目形成特征集對訓(xùn)練集進(jìn)行分類；
[0014] 選擇分類正確率最大時(shí)的特征集所包含的N個(gè)特征作為候選特征，從N個(gè)候選特 征中任選N-I個(gè)特征作為一個(gè)最優(yōu)特征集，從而得到N個(gè)最優(yōu)特征集，根據(jù)最優(yōu)特征集所包 含特征的排序結(jié)果，確定最優(yōu)特征集的優(yōu)先級。
[0015] 第三步，目標(biāo)分類
[0016] 基于每一個(gè)最優(yōu)特征集，利用分類器對未知的星載SAR圖像艦船目標(biāo)進(jìn)行分類， 得到N個(gè)屬于不同艦船類型的分類概率，形成分類結(jié)果矢量；
[0017] 對N個(gè)最優(yōu)特征集，將其優(yōu)先級作為重要程度形成基于特征的評價(jià)度量比較矩 陣，計(jì)算上述基于特征的評價(jià)度量比較矩陣的最大歸一化特征向量，作為權(quán)值向量；
[0018] 將分類結(jié)果矢量與權(quán)值向量點(diǎn)乘，選擇概率最大者作為最終分類結(jié)果。
[0019] 本發(fā)明的有益效果是：
[0020] 1.采用本發(fā)明提出的基于層次分析的評價(jià)準(zhǔn)則方法，可以有效解決目前在星載 SAR圖像艦船目標(biāo)特征選擇和分類決策中缺乏有效評估準(zhǔn)則的問題；
[0021] 2.采用本發(fā)明提出的基于層次分析的特征選擇方法，可以優(yōu)選出適合星載SAR圖 像艦船目標(biāo)分類的特征及其特征集；
[0022] 3.采用本發(fā)明提出的基于層次分析的方法進(jìn)行星載SAR圖像艦船目標(biāo)分類，可以 有效提高分類的精度。
【附圖說明】
[0023] 圖1為實(shí)驗(yàn)采用的TerraSAR-X圖像艦船目標(biāo)切片樣本；
[0024] 圖2為利用本發(fā)明得到的21個(gè)特征分別對應(yīng)的三種評價(jià)度量指標(biāo)值；
[0025] 圖3為利用本發(fā)明得到的艦船目標(biāo)待選艦船特征得分值；
[0026] 圖4為利用不同特征集得到的艦船目標(biāo)分類正確率；
[0027] 圖5為本發(fā)明的原理流程圖。
【具體實(shí)施方式】
[0028] 下面結(jié)合實(shí)驗(yàn)和圖5對本發(fā)明進(jìn)行詳細(xì)說明。
[0029] 實(shí)驗(yàn)采用的數(shù)據(jù)庫是利用衛(wèi)星TerraSAR-X得到的SAR圖像，圖像參數(shù)為：VV極 化、3. 3米多普勒分辨率、1. 9米距離向分辨率。每一幅TerraSAR-X圖像數(shù)據(jù)是在海況相對 穩(wěn)定的情況下獲得，數(shù)據(jù)庫中的SAR圖像不包括由于艦船航行和方位模糊等造成的具有嚴(yán) 重拖影的艦船圖像。
[0030] 將用于實(shí)驗(yàn)的SAR圖像進(jìn)行分割形成艦船切片，數(shù)量為286個(gè)。每個(gè)艦船切片只包 括一個(gè)艦船目標(biāo)，對這些切片首先進(jìn)行人工解譯，艦船目標(biāo)包括三種類型：貨船、集裝箱船 和油輪。經(jīng)解譯分別得到56艘油船的切片、160艘貨船的切片和70艘集裝箱船的切片。實(shí) 驗(yàn)選取每類艦船切片的60%作為訓(xùn)練集，40%作為測試集。圖1為實(shí)驗(yàn)采用的TerraSAR-X 圖像艦船目標(biāo)切片樣本，共6幅艦船切片，每一列由左至右，分別對應(yīng)貨船、集裝箱船和油 輪。
[0031] 采用本發(fā)明提供的星載SAR圖像艦船目標(biāo)分類方法進(jìn)行目標(biāo)分類時(shí)，具體步驟如 下：
[0032] 第一步，基于訓(xùn)練集的特征排序。
[0033] 根據(jù)可分性、穩(wěn)定性和BIF (Best Individual Feature，最佳個(gè)體特征）三種評價(jià) 度量準(zhǔn)則的重要程度形成評價(jià)度量比較矩陣，然后計(jì)算評價(jià)度量比較矩陣的最大歸一化特 征向量，具體步驟如下：
[0034] 評價(jià)度量比較矩陣A可根據(jù)經(jīng)驗(yàn)設(shè)定。本發(fā)明的第一個(gè)具體實(shí)施例是，如果不容 易決定各自權(quán)重，可以將評價(jià)度量比較矩陣A設(shè)置為全1矩陣。此外，本發(fā)明的另外一個(gè)具 體實(shí)施例是認(rèn)為可分性（I)是最重要的一個(gè)度量，穩(wěn)定性（II)比BIF(III)更重要，因此將 A設(shè)置為：
[0035]
[0036] 上述比較矩陣A的取值是利用層次分析法的原理獲得，可參照文章""，。經(jīng)過驗(yàn)證 符合一致性檢驗(yàn)，因此其取值較為合理。比較矩陣A的最大特征向量的歸一化形式為：
[0037] s = [0· 6054, 0· 2915, 0· 1031]τ
[0038] 最大歸一化特征向量s表示三種評價(jià)指標(biāo)的權(quán)值比重。
[0039] 基于訓(xùn)練集提取目標(biāo)的特征，計(jì)算每類特征在上述每種評價(jià)度量準(zhǔn)則下對應(yīng)的評 價(jià)度量值，形成每一類特征對應(yīng)的評價(jià)度量向量。
[0040] 利用訓(xùn)練集提取常用于艦船目標(biāo)分類的特征，本實(shí)施例中選用21個(gè)特征，包括長 度A，寬度f 2，長寬比f3，面積f4，周長f5，形狀復(fù)雜度f 6，質(zhì)心f7，轉(zhuǎn)動慣量f8,質(zhì)量f9，平均 強(qiáng)度f 1(]，方差系數(shù)f n，加權(quán)填充比f 12，標(biāo)準(zhǔn)差f 13，分形維數(shù)f 14以及Hu矩f 15~f 21?；谟?xùn) 練集樣本計(jì)算得到21個(gè)特征對應(yīng)的三種評價(jià)度量值：可分性、穩(wěn)定性和BIF，如圖2所示， 可分性利用特征類內(nèi)類間距比值表示，穩(wěn)定性利用特征歸一化方差系數(shù)表示，BIF利用特征 互信息表示，上述三個(gè)評價(jià)度量值也可采用其他方法計(jì)算。對每一種評價(jià)度量形成的歸一 化21維特征向量分別為：
[0041] Vdlscrininallty= [0. 0747, 0. 0305, 0. 0765, 0. 0623, 0. 0676, 0. 0596, 0. 0305, 0. 0623, 0. 0605, 0. 0489, 0. 0182, 0. 0114, 0. 0279, 0. 0308, 0. 0209, 0. 0525, 0. 0311, 0. 0605, 0. 0418, 0. 0640, 0. 0676]τ
[0042] Vstablllty= [0. 0385, 0. 0200, 0. 0696, 0. 0623, 0. 0197, 0. 0623, 0. 1026, 0. 0360, 0. 0 385, 0. 0238, 0. 0360, 0. 0360, 0. 0360, 0. 0342, 0. 0281, 0. 0623, 0. 1026, 0. 0733, 0. 0360, 0. 0 623, 0. 0197]τ
[0043] Vbif= [0. 0760, 0. 0472, 0. 0553, 0. 0461, 0. 0461, 0. 0472, 0. 0392, 0. 0461, 0. 0461, 0. 0461, 0. 0403, 0. 0415, 0. 0449, 0. 0438, 0. 0484, 0. 0484, 0. 0472, 0. 0484, 0. 0472, 0. 0461, 0. 0484]τ
[0044] 其中，vdls"ininallty、vstablllty、v BIF分別是可分性