[發明專利]基于半監督學習和特征約束的SAR目標鑒別方法

有效

• 申請號: 202010143832.4
• 申請日: 2020-03-04
• 公開（公告）號: CN111126361B
• 公開（公告）日: 2022-04-19
• 發明（設計）人: 王英華;唐天顧;王寧;劉宏偉
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/774;G06V10/778;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華

本發明公開了一種基于半監督學習和特征約束的SAR目標鑒別方法，主要解決現有有標簽訓練SAR數據不充分導致過擬合和鑒別性能差的問題。其方案是：1)獲取給定的有標簽訓練數據集、無標簽訓練數據集和測試樣本集，對其進行預處理，得到新的訓練集和新的測試集；2)構建基于特征約束的半監督SAR目標鑒別網絡Ψ：3)將新的訓練集輸入到構建好的SAR目標鑒別網絡Ψ中進行訓練，得到訓練好的網絡Ψ′；4)將新的測試集輸入到訓練好的SAR目標鑒別網絡Ψ′中，得到最終的目標鑒別結果。本發明利用半監督學習和特征約束，一定程度上減輕了有標簽數據不充分導致的過擬合問題，增強了網絡學習的特征的鑒別性，提升了網絡SAR目標鑒別的性能。

技術領域

本發明屬于雷達目標識別技術領域，主要涉及SAR圖像目標鑒別方法，可用于對車輛目標識別與分類提供重要信息。

背景技術

合成孔徑雷達SAR利用微波遙感技術，具有全天時、全天候的工作能力，并具有高分辨率、多頻段、視角可變和穿透力強的特點。隨著SAR技術的不斷發展，成像分辨率不斷提高，SAR圖像的自動目標識別ATR受到越來越廣泛的關注。SAR圖像自動目標識別ATR系統一般包括目標檢測、目標鑒別和目標識別三個階段。目標鑒別用于去除目標檢測階段得到的候選目標中的雜波虛警，在SAR圖像自動目標識別ATR中具有重要的研究意義。由于SAR圖像成像嚴重受到相干斑噪聲的影響，且SAR圖像通常是復雜的場景，包含了大量的不同類型的雜波，因此，在SAR目標鑒別階段，有效特征的設計和提取都是至關重要的。在過去幾十年，大量傳統特征提取方法被提出，這些方法強烈依賴于人工設計特征的鑒別性能，且特征的設計需要許多先驗知識和經驗。另外，當SAR圖像場景變得相對復雜時，這些人工設計特征性能降低、泛化能力差。

近年來，卷積神經網絡CNN在模式識別和計算機視覺領域已經成為研究熱點，其避免了特征提取器設計的復雜性。目前，卷積神經網絡已成功應用于SAR目標識別任務中，如：

一是用CNN與支持向量機SVM結合的方法，如文獻“S.Wagner,‘Combination ofconvolutional feature extraction and support vector machines for radar ATR’,in Proc.17th Int.Conf.Inf.Fusion(FUSION),Jul.2014,pp.1–6”提出了卷積神經網絡和支持向量機的組合，用于地面目標的自動識別；其利用CNN網絡作為特征提取器，而在決策階段使用SVM分類器。

二是利用特征融合的方法提升CNN鑒別網絡的鑒別性能，如申請公布號為CN106874889A，名稱為“基于卷積神經網絡的多特征融合SAR目標鑒別方法”的專利申請，公開了一種基于CNN的SAR圖像目標鑒別方法，該方法通過同時利用幅度圖像和梯度幅度圖像，對網絡進行訓練和測試，在復雜的場景下取得了更加優越的性能。