[發明專利]一種基于多視角深度學習框架的SAR自動目標識別方法

有效

• 申請號: 201711305445.0
• 申請日: 2017-12-11
• 公開（公告）號: CN108038445B
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 楊海光;裴季方;黃鈺林;薛媛;張寅;楊建宇
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06N3/08;G06N3/04
• 代理公司: 成都虹盛匯泉專利代理有限公司 51268
• 代理人: 王偉

本發明公開一種基于多視角深度學習框架的SAR自動目標識別方法，應用于雷達目標識別領域，針對原始SAR圖像較少的情況下深度神經網絡難以得到有效訓練的問題，本發明利用原始SAR圖像的不同視角，結合實際應用中的數據采集成本及識別性能要求，利用少量原始SAR圖像，生成大量多視角組合樣本，增加了樣本中包含的有效識別信息；基于深度學習理論，構建多輸入并行深度神經網絡，自動提取出不同視角的有效特征并給出類別預測結果，實現SAR目標的迅速精準識別，本發明方法具有靈活、準確、高效和泛化能力強的優點。

技術領域

本發明屬于雷達目標識別領域，特別涉及一種雷達目標識別領域中合成孔徑雷達自動目標識別技術。

背景技術

合成孔徑雷達(Synthetic Aperture Radar,SAR)是一種具有全天候、全天時工作能力的高分辨率微波成像雷達，廣泛應用于戰場感知偵察、地理信息采集、農林環境監測、地質地貌勘探、海洋資源利用等領域，具有極高的民用與軍用價值。由于電磁散射特性和相干成像機理，SAR成像對目標方位角較為敏感，且SAR圖像中存在大量相干斑，使之與光學圖像的差異進一步增大，增加了人工解譯的難度。SAR自動目標識別(Automatic TargetRecognition,ATR)基于現代信號處理和模式識別等理論，在沒有人工干預的條件下，迅速準確地檢測出目標潛在區域，提取目標特征并判別出目標類別信息，為信息感知和精確打擊等多個方面提供了有力的技術支持。

當前主流的SAR ATR方法主要有基于模板的方法和基于模型的方法。但傳統方法往往存在受人工經驗影響較大，算法復雜度較高等問題，難以提取出最優的目標特征并進行高效精準的分類識別。隨著人工智能理論的興起與發展，深度神經網絡作為一種自適應能力強的機器學習算法被廣泛應用于圖像分類、語音信號處理等多個領域，為SAR ATR開辟了新的思路與方向。

文獻“D.A.Morgan Deep convolutional neural networks for atr from sarimagery.SPIE Defense+Security.International Society for Optics and Photonics,2015,pp.94 750F–94 750F.”等構建了單輸入卷積神經網絡用于解決10類SAR目標圖像的識別問題，但所用網絡的訓練需要大量目標樣本，訓練樣本數量較少的情況下容易陷入過擬合，并且網絡泛化能力較差。

文獻“J.Ding,B.Chen,H.Liu,and M.Huang.Convolutional neural networkwith data augmentation for sar target recognition.IEEE Geoscience and RemoteSensing Letters,vol.13,no.3,pp.364–368,March 2016.”采用平移、加噪、姿態合成等方法對原始SAR圖像進行擴充，以滿足卷積神經網絡訓練的需要。但是該方法并沒有增加原始SAR圖像的有效識別信息，樣本擴充后識別性能的提升十分有限，且需分配大量的存儲空間。原始SAR圖像較少的情況下深度神經網絡難以得到有效訓練的問題仍未得到合理解決。

發明內容

為解決上述技術問題，本發明提出了一種基于多視角深度學習框架的SAR自動目標識別方法，利用少量原始SAR圖像，生成大量多視角組合樣本，增加了樣本中包含的有效識別信息.

本發明采用的技術方案為：一種基于多視角深度學習框架的SAR自動目標識別方法，包括：

S1、采集原始SAR圖像；

S2、對步驟S1采集的原始SAR圖像進行預處理；

S3、根據視角大小對預處理后的SAR圖像進行排序；

S4、根據實際成像條件和性能指標設置視角數目k及觀察角大小θ；