基于稀疏表示和拉伸變換的SAR圖像目標(biāo)識別

李廷元

(中國民用航空飛行學(xué)院計(jì)算機(jī)學(xué)院,四川 德陽 618307)

0 引言

預(yù)處理、特征提取和分類識別是傳統(tǒng) SAR 圖像目標(biāo)識別的3大步驟，其中，特征提取步驟對最終的目標(biāo)識別率影響很大。目前應(yīng)用的特征提取算法普遍存在步驟繁雜、計(jì)算復(fù)雜度大、容易受背景噪聲影響等缺點(diǎn)，為了降低噪聲影響往往又需要引入新的圖像預(yù)處理算法，這導(dǎo)致目標(biāo)識別步驟增多，復(fù)雜度變大，影響了識別的實(shí)時(shí)性和有效性[1-3]。

近年來,作為一種新的信號分析工具，稀疏表示方法在信號處理領(lǐng)域受到了廣泛關(guān)注[4-5]。稀疏表示能夠?qū)⒁粋€(gè)信號表示為字典中基本信號的稀疏線性組合，即信號能被一組基線性表示，并且該線性表示系數(shù)中只有小部分非零,在稀疏表示中該組基被稱為字典，每個(gè)基即為字典中的一個(gè)原子。由于同一類信號稀疏分解后可以用一組相同的基表示，因此稀疏表示方法被逐漸引入到了模式識別領(lǐng)域。基于稀疏表示的目標(biāo)識別本質(zhì)上基于重構(gòu)恢復(fù)，通過對比重構(gòu)恢復(fù)的精度判斷測試目標(biāo)是否與訓(xùn)練目標(biāo)同屬一類，判斷的標(biāo)準(zhǔn)僅僅是目標(biāo)函數(shù)的取值，不依賴于提取特征的好壞，在測試圖像和訓(xùn)練圖像背景基本一致的情況下也不需要對背景噪聲進(jìn)行任何處理，大大省略了目標(biāo)識別算法的計(jì)算步驟。

在具體應(yīng)用方面，2009 年WRIGHT 等將稀疏表示理論用于人臉圖像識別，證明了基于稀疏表示的目標(biāo)識別方法擁有很高的識別率和較好的魯棒性[6];ZHANG等采用聯(lián)合稀疏表示方法對 SAR 圖像進(jìn)行目標(biāo)識別，同樣取得了較好效果[7-12]?！?br>