目标识别

第32卷 第4期

2010年4月

现代雷达

ModernRadar

Vo.l32 No.4

Apr.2010

信号/数据处理

中图分类号:TN958、TN957文献标识码:A文章编号:1004-7859(2010)04-0031-04

基于神经网络集成的SAR图像目标识别

钱 博,金 林

(南京电子技术研究所, 南京210039)

摘要:合成孔径雷达图像处理过程中目标的方向性会对目标的识别产生很大的影响,基于目标类别的不明确又会给目标方位角的估计带来困难。文中提出了一种基于神经网络集成模型的合成孔径雷达图像目标识别方法。该方法通过小波域主成分分析提取目标图像特征向量,针对同向目标的特征空间训练一个神经网络实现目标分类,并使用另一个二级神经网络对多个单向目标识别器的识别结果进行结合。该方法可以有效地避免目标类别和目标方向间的相互干扰,提高识别精度。该方法对于解决此类似问题给出了新思路。关键词:神经网络;合成孔径雷达;集成学习;图像

SyntheticApertureRadarImageTargetRecognitionBasedon

NeuralNetworkEnsemble

QIANBo,JINLin

(NanjingResearchInstituteofElectronicsTechnology, Nanjing210039,China)

Abstract:Asisknown,thetargetrecognitionbysyntheticapertureradarimageisoftenaffectedbyitsdirection.Ontheotherhand,becauseoftheuncertaintyoftarget,its'hardtoevaluatetheazimuthdirection.So,inthispaper,theneuralnetworkensem-blewillbeappliedtosolvethisproblem.Featurevectorsoftargetimagesareextractedwithprincipalcomponentanalysisinwaveletdomain.Severalneuralnetworksaretrained,eachfortheeigenspaceofagivenazimuth,andtheirresultsarecombinedbyanotherneuralnetwork.Themethodcanimproveeffectivelytherecognitionaccuracythrougheliminatingthemutualinterferenceofazimuthinformation,andwouldbeanewmethodtosolvesuchproblems.

Keywords:neuralnetwork;syntheticapertureradar;ensemblelearning;image

0 引 言

合成孔径雷达(SyntheticApertureRadar,SAR)图像解译和分析的主要任务是从传感器信号中提取信息提供给决策层进一步处理,是实现武器实时控制和系统自动化的必经途径。SAR图像目标识别是图像解

译的重要组成部分,也是当前SAR图像处理和模式识别领域的研究热点。在以往的研究中,基于SAR图像直接识别或提取特征后识别,获得了大量的成果。但是,目标的方位角的不一致性在很大程度上影响了识别效果

[4]

[3]

[1-2]

本文针对SAR图像目标分类和方位角分辨相互制约的问题,提出了一种新的基于神经网络集成的识别方法,该方法希望利用分类器集成的策略避免特征的相互干扰,获得更高的识别精度。具体模型分为2级,第1级每个识别器专门针对一类方位角的模式进行训练,第2级的神经网络则用于将第1级的输出结果进行综合,得到最终结果。利用该方法训练的神经网络集成系统还能够在获得目标类别的同时给出方位角的估计,这种系统为处理SAR图像目标识别问题提供了新的思路。

。

1990年,Hansen和Salamon提出了神经网络集成,Wolpert证明了该技术可以有效地提高单一学习

[5]

系统的预测能力。目前,该方法已被成功的应用于手写体数字识别、人脸识别、语音识别等领域,取得了良好的效果。

通信作者:钱博 Emai:lsandson6@163.com收稿日期:2009-12-08修订日期:2010-02-18

1 图像特征的提取

1.1 预处理

一般来说,由于目标位置的平移、旋转以及不均匀的散射都会对特征生成和分类算法的性能产生影响。

SAR图像预处理包括调整每幅目标图像的目标位置到图像中心、旋转目标图像到标准方位角和对图像幅度值进行对数变换和归一化处理。然而本文强调方位角估计和修正会引进新的识别误差,希望利用模型避