基于局部特征核主成分分析的SAR图像识别方法

熊文真，沈雪梅，李红娟

(1.信阳职业技术学院，河南 信阳　464000； 2.昆明理工大学，昆明　6500931)



基于局部特征核主成分分析的SAR图像识别方法

熊文真1，沈雪梅1，李红娟2

(1.信阳职业技术学院，河南 信阳464000； 2.昆明理工大学，昆明6500931)

摘要：本文基于局部特征核主成分分析下的SAR图像识别技术手段的探讨研究，根据其基础性能的实际要求以及行业领域的发展标准，在此基础上提出一种两级2维式的局部特征提取判别嵌入的模式，这种局部判别嵌入特征提取的SAR图像识别方法，在图像处理与识别的过程中，有效避免了传统方法中将图像数据转化为向量后所带来的维数灾难以及小样本等问题的出现，通过这种两级2维局部判别嵌入的核主成分分析特征提取方法在SAR图像识别方法中的应用，极大地增强了系统对特征的判别效果。

关键词：局部特征提取；核主成分分析；SAR；识别

引言

本文所选取的局部特征提取判别的方法，是建立在核主成分分析基础上进行的技术改进，针对行业内传统的核主成分分析方法的一些弊端与不足，其在识别SAR图像的过程中，经常性的存在一些质量问题，例如图像像素之间的关联性差、对目标姿态角依赖性较强等相关局限性，从某种意义上来讲，本文提出的SAR图像识别技术方法，也是一种改进的核主成分分析的SAR图像识别技术系统。

1基于局部特征核主成分分析的SAR图像识别

合成孔径雷达(Synthetic Aperture Radar，SAR)是一种现代化的工作在微波波段的主动式相干成像雷达系统技术。当前，国内外关于合成孔径雷达的应用与技术，主要应用在军事领域，是现代化军事活动不可或缺的一种侦查手段。本文基于局部特征核主成分分析，深入挖掘与探究SAR图像识别技术在现实中的应用，重点研究探讨在SAR图像自动目标识别技术中的一系列难点重点疑点问题。

传统的SAR图像识别方法，尤其是在图像预处理、特征提取、分类器设计方面，由于原始的SAR图像本身除了常见的数据信息外，还包括一些其他因素所感兴趣的目标，其中主要以大量的背景杂波为主。在这种情况下，如果直接对其特征提取或者实施识别的话，其存在的背景杂波在很大程度上将会严重影响着整个系统的识别性能。

关于核主成分分析(Kernel-PCA)的概念解读，我们可以从实际问题当中进行解答。例如，提出问题——已知数据集X1/X2/X3/,,,/Xn ，其中Xi Rn ,(i=1,2,3，...，M)，进而得出Mercer函数K,K——Rn X Rn→R 。

2局部特征核主成分分析下的SAR图像识别方法

如图1所示，系统主要包括了三大板块，分别是图像预处理、特征的提取、分类器设计。

2.1图像预处理

关于SAR图像预处理，其中的图像预处理主要是将所要处理判别的图像切片进行切割、旋转、对数变换，最终实现归一化及其滤波、分割。在这一环节，系统的最大功用就是将图像中的目标阴影部分从整个图像背景当中分离出来，从而就实现消弱或者抑制图像背景杂波因素的影响。本文重点专注于局部特征核主成分分析对分类性能的影响，其主要涉及到的基本数据要素有：以每个目标中心点切割新目标图像-(64×64)像素；对所选取判别的图像，实现其幅度值归一化，在图像幅度值归一化之后，其图像中各个像素之间的幅度值均值等于0，并且标准差等于1。

图1　目标识别方法

2.2特征提取

关于SAR图像特征的提取，在这一阶段分为两个小环节，分别实施2维离散小波变换以及进行核主成分分析。

2.2.12维离散小波变换

主要就是指对SAR图像通过进行2维离散小波分解的技术手段，再加上对其采用haar小波基，这样以来就可以在实现图像压缩的同时，还能够更为准确的、有效的消除图像中所出现的高频噪声干扰因素，最终实现更为及时、高效的提取SAR图像的数据信息(主要信息)。本次探讨的图像预处理实施手段，就是对SAR目标图像2维离散小波进行分解，通过提取其三层分解后的低频子带图像来实现，其中，低频子带图像的大小为(8×8)像素。

2.2.2核主成分分析

核主成分分析是一种基于非线性特征的SAR图像数据信息提取方法，在这里就需要涉及到向量这一问题。首先，假设 x 是某原始空间内的一个样本，对于其样本点的提取，具体可通过映射函数 x (x) F来获得。假设在集合F当中存在m个样本点，在原始空间内存在两个样本点，其局部特征空间F在映射数据之后所得出的协方差矩阵表示为：

其中，A代表的是系统中所选取或者是待判别、识别的一幅SAR图像，在整个方差矩阵当中，都是在原始空间F内所提取的各个样本点及其相关要素信息，通过这种矩阵的形式来表达出来，能够显著的看出它远远比单个像素覆盖的数据信息要多，并且所覆盖的信息更加的细化。与此同时，其中的每一个样本像素模块矩阵之间所隐含的信息也各不相同。

基于此，最终确立并构建一个以(s,t)为中心的局部邻域，该局部邻域的表达方式为(S×T )。其定义式为：

2.3分类器设计

建立在2维离散小波嵌入判别系统上的核主成分分析，来探究双分类器的设计。通常情况下，在整个分类器的设计过程中，该环节主要是由两个不同层次的阶段来构成，分别是训练阶段和识别阶段。根据已知目标 SAR图像 ，在经过对局部特征提取之后，获得以下样本集：

3仿真实验结果分析

表1　数据库

表2 　目标识别(混淆矩阵)

小结

本文基于局部特征核主成分分析下的SAR图像识别技术手段的探讨研究，根据其基础性能的实际要求以及行业领域的发展标准，在此基础上提出一种两级2维式的局部特征提取判别嵌入的模式。在 2维离散小波变换的基础上进行核主成分分析，并基于此进行了相应的检测验证。基于提出的新型的目标识别方法，构建了基本实施模型，主要包括了图像预处理、局部特征提取以及分类器设计等环节；最后根据仿真实验结果统计分析得出的相关测试数据，可以确认本文提出的这种SAR图像识别技术方法是非常可行的，且效果显著。

参考文献：

[1] 谷伟伟.分组主成分和核主成分的研究与应用[D].徐州：中国矿业大学,2014.

[2] 蒋少峰.高分辨率SAR图像船舶检测与分类方法研究[D].北京：中国科学院大学,2013.

[3] 刘中杰,曹云峰,庄丽葵，等.面向SAR图像目标识别的鲁棒处理算法[J].系统工程与电子技术,2013,35(12):2489-2494.

[4] 张向荣,阳春,焦李成，等.基于Laplacian正则化最小二乘的半监督SAR目标识别[J].软件学报,2010,21(4):586-596.

[5] 李勇,王德功,常硕，等.一种SAR图像特征提取和目标分类的新方法[J].现代防御技术,2013,41(4):126-130.

[6] 于红芸,姜涛,关键，等.SAR图像的快速核主成分分析识别方法[J].中国图象图形学报,2012,17(1):137-141.

[7] 李翊,张静,吴凌华，等.一种基于改进核主成分分析的SAR图像识别方法研究[J].海军航空工程学院学报,2009,24(3):307-312.

(责任编辑：刘学伟)

中图分类号：TP391.4

文献标志码：A

文章编号：1009-2080(2016)01-0087-03

作者简介：熊文真(1983-)，女，河南泌阳人，信阳职业技术学院讲师，硕士。

基金项目：昆明理工大学人才科研启动(141180901)NSFC-云南联合基金(U0937604)。

收稿日期：2016-01-07

doi：10.3969/j.issn.1009-2080.2016.01.022