CN119445088A 基于加速投影递归神经网络的遥感图像目标检测方法 （广东海洋大学）

号基于加速投影递归神经网络的遥感图像目本发明公开了一种基于加速投影递归神经图像自相关矩阵构建滤波输出的线性约束最优化数学模型并通过转化获得线性等式方程数学遥感图像目标检测方法在求解优化问题时具有2获取原始遥感图像并计算遥感图像自相关矩阵；基于所述遥感采用加速投影递归神经网络算法对所述线性等式方程数学模型进行求2.根据权利要求1所述的基于加速投影递归神经网络的遥感图像目标检测方法，其特获取所述原始遥感图像的矩阵形式表示，基于所述矩阵形式表示3.根据权利要求1所述的基于加速投影递归神经网络的遥感图像目标检测方法，其特构建最优线性滤波器，所述最优线性滤波器在目标光谱特征方向上采用统一增益约最优线性滤波器获得滤波输出的线性约束最4.根据权利要求3所述的基于加速投影递归神经网络的遥感图像目标检测方法，其特5.根据权利要求4所述的基于加速投影递归神经网络的遥感图像目标检测方法，其特采用拉格朗日乘数法将滤波输出的线性约束最优化数学模型转化为无约束最优化数6.根据权利要求1所述的基于加速投影递归神经网络的遥感图像目标检测方法，其特3采用加速投影递归神经网络算法对所述线性等式方程数学模型进行求对所述线性等式方程数学模型进行采样，获得数学模型的离散时线性加速投影函数进行迭代求解，基于所述误差函数的计算结果判断是否满足停止条件，7.根据权利要求6所述的基于加速投影递归神经网络的遥感图像目标检测方法，其特8.根据权利要求7所述的基于加速投影递归神经网络的遥感图像目标检测方法，其特9.一种计算机设备，其特征在于，所述计算机设算机程序，以执行如权利要求1_8任一项所述基于加速投影递归神经网络的遥感图像目标被处理器执行时实现如权利要求1_8任一项所述基于加速投影递归神经网络的遥感图像目4便于识别。其中代表性的算法有匹配滤波器(MatchFilter,MF)，自适应相干估计器(AdaptiveCoherenceEstimator,ACE)，约束能量最小化检测器(ConstrainedEnergy建滤波输出的线性约束最优化数学模型；将滤波输出的线性约束最优化数学模型进行转5述最优线性滤波器获得滤波输出的线性约束最优化[0015]采用拉格朗日乘数法将滤波输出的线性约束最优化数学模型转化为无约束最优K=序在被处理器执行时实现上述基于加速投影递归神经网络的遥感图像目标检测方法的步通过拉格朗日乘数法转换线性等式方程数学模型，利用加速投影递归神经网络算法求解，6[0036]如图1所示，本实施例中提供一种基于加速投影递归神经网络的遥感图像目标检建滤波输出的线性约束最优化数学模型；将滤波输出的线性约束最优化数学模型进行转iN。述最优线性滤波器获得滤波输出的线性约束最优化7[0047]具体的，首先建立最优线性滤波器wTx，进而在目标谱特征方向的统一增益约束[0049]采用拉格朗日乘数法将滤波输出的线性约束最优化数学模型转化为无约束最优pk;8滤波系数向量wk经过变换域得到滤波输出后的遥感图像x"=wx,实现遥感图像目标检储的计算机程序，以执行上述基于加速投影递归神经网络的遥感图像目标检测方法的步序在被处理器执行时实现上述基于加