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：杭州电子科技大学

摘要：本发明提出了基于标签约束和邻域密度相似度量的海面小目标检测方法。该方法首先提取样本的特征向量，设置杂波样本中心与目标样本中心，然后通过样本间的距离关系获取每个样本的h近邻。选择近邻平均距离较大的样本，根据其与两个样本中心之间的关系进行近邻平均距离的调整，控制虚警率。以调整后的近邻平均距离作为一个参考信息，参与样本相似性的衡量。最后基于相似性矩阵进行矩阵变换和谱分解，利用谱聚类方法对未知杂波样本进行分类。在谱聚类过程中引入标签约束，保证所有样本都能被分为杂波或目标。该方法解决了传统谱聚类算法不适用于海杂波样本的问题，且受样本不均衡的影响较小，是一种极具应用潜力的海面小目标检测方法。

主权项：1.基于标签约束和邻域密度相似度量的海面小目标检测方法，其特征在于：具体包括以下步骤：步骤一、计算每个样本的归一化Hurst指数、相对平均幅度、相对多普勒峰高、脊累积、连通区域数目和最大连通区域尺寸，得到的7维数据作为样本的特征向量；分别计算杂波样本和目标样本的特征平均值，记为杂波样本中心和目标样本中心；依次计算每个目标样本到杂波样本中心和目标样本中心的欧氏距离差，选择距离差大于设定阈值的样本，更新目标样本中心；步骤二、计算每个样本与其h个最近邻间的马氏距离均值作为初始近邻平均距离；选择初始近邻平均距离大于正数阈值η的样本，按照到杂波样本中心和目标样本中心的距离差值从小到大进行排列，取前70～80％的样本，将其初始近邻平均距离按比例缩小至小于正数阈值η；步骤三、再次调整样本的近邻平均距离： 其中，Axi′表示步骤二处理后的样本xi的近邻平均距离，Axi表示调整后的近邻平均距离；步骤四、考虑样本间的马氏距离与邻域密度，设计样本的相似性度量方法，将目标样本与杂波样本间的相似性置为0，得到相似性矩阵W；步骤五、根据相似性矩阵W计算度矩阵D与拉普拉斯矩阵L＝D-W；对拉普拉斯矩阵L进行对称归一化，得到标准化拉普拉斯矩阵： 其中I表示单位矩阵；计算标准化拉普拉斯矩阵的两个最小特征值对应的特征向量，组成新矩阵U，对矩阵U的行进行归一化得到新样本集Z；从新样本集中选择杂波样本和目标样本，分别计算特征平均值，作为杂波样本和目标样本的初始聚类中心；定义杂波样本聚类中心的标签为0，目标样本聚类中心的标签为1，遍历未知样本，使其获得距离更近的聚类中心的标签，完成一次聚类；令杂波样本与目标样本参与聚类中心的更新，不断迭代；当聚类中心不再变化或迭代次数达到指定次数时停止聚类；输出每个样本的标签，完成目标检测。

全文数据：

权利要求：

百度查询： 杭州电子科技大学 基于标签约束和邻域密度相似度量的海面小目标检测方法