买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：南京航空航天大学

摘要：本发明公开了一种基于多核低秩共享字典学习的SAR目标子型号识别方法，首先，提取SAR图像的多尺度单演特征，并将其向量化；构造一个两级的基于多核学习的特征融合结构，包括第1级多核学习和第2级多核学习；利用特征融合结构对预先获取的训练或测试样本进行多核空间下的特征映射和融合；其次，基于核校准方法和单核识别率标定法对多核权值进行自适应优化；然后，基于共享字典和鉴别字典分别对SAR目标各种子型号中的大量复杂共性和差异性进行学习；最后，基于多核低秩共享字典学习的目标分类判决。本发明可以有效提高目标子型号识别精度，并且抵抗易混淆属性的影响。

主权项：1.一种基于多核低秩共享字典学习的SAR目标子型号识别方法，其特征在于，包括以下步骤：1提取SAR图像的多尺度单演特征，并将其向量化；2构造一个两级的基于多核学习的特征融合结构，包括第1级多核学习和第2级多核学习；利用特征融合结构对预先获取的训练或测试样本进行多核空间下的特征映射和融合；3基于核校准方法和单核识别率标定法对多核权值进行自适应优化；4基于共享字典和鉴别字典分别对SAR目标各种子型号中的大量复杂共性和差异性进行学习；5基于多核低秩共享字典学习的目标分类判决；所述步骤2实现过程如下：对M种特征向量进行核映射，计算其对应的基本核矩阵；基本核函数由多分辨率RBF核构成，设对特征向量χm采用第l个基本核映射后得到的基本核矩阵为其第i行j列元素为： 其中，σm为特征向量集χm的方差，倍数μ用于控制高斯核函数的宽度，选择二进制分辨率μ＝2l，且整数l＝-T,…T，这样基本核的个数为L＝2T+1；对每种特征就会映射产生L个对应不同核函数的基本核矩阵，在第1层多核学习中对这些基本核矩阵，以特征为单位进行加权求和，得到与特征相对应的复合核矩阵Km： 其中，βml为第l个基本核的加权系数，通过第1层多核学习为每种特征拟合出最优的核函数；在得到第1层的M个复合核矩阵Km后，对M个复合核矩阵加权求和，即可得到融合后的复合核矩阵K： 其中，dm为第m个特征的加权系数，融合后的复合核矩阵K还将通过KPCA方法进一步降维，降维后的核矩阵 其中，B＝[β1,...,βd]为伪变换矩阵；所述步骤3实现过程如下：第1级多核学习的权值优化采用核校准法，设K1和K2代表两种特征对应的核矩阵，K1·,·和K2·,·其对应的核函数，定义它们之间的核校准率A为： 其中： 核校准率可以看成两个核矩阵之间夹角的余弦值；定义理想的核矩阵为为： 可见Kd为块对角阵，如果其行和列对应的样本都是同一类则为1，其余全为0；利用核校准方法计算第1级多核学习的权值为： 利用单核识别率标定法求取第2级多核学习的特征融合权值： 其中，ξm为利用后续分类器对单个核矩阵Km进行处理而得到的识别准确率，利用交叉验证方法估计得到，δ为选取的准确率阈值，按照实际性能对M种特征进行了筛选，低于δ的权值直接赋0，高于δ的特征经过归一化求得其对应的权值dm。

全文数据：

权利要求：

百度查询： 南京航空航天大学 基于多核低秩共享字典学习的SAR目标子型号识别方法