[發明專利]一種小樣本條件下的衛星影像艦船型號識別方法

有效

• 申請號: 202110031879.6
• 申請日: 2021-01-11
• 公開（公告）號: CN112712049B
• 公開（公告）日: 2023-01-17
• 發明（設計）人: 喻金桃;蔣麗婷;張志超;張可;劉忠麟;童宇翔
• 申請（專利權）人: 中國電子科技集團公司第十五研究所
• 主分類號: G06V20/13
• 分類號: G06V20/13;G06V10/44;G06V10/764;G06V10/82;G06N3/04;G06N3/08;G06N20/10
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 符繼超

1.一種小樣本條件下的衛星影像艦船型號識別方法，其特征在于：包括：獲取目標區域待識別的艦船遙感圖像，并進行預處理；

將經預處理后的艦船遙感圖像輸入訓練后的一個少樣本學習分類器和C個SVM分類器；

通過集成策略，輸出多模型融合的所述艦船遙感圖像對應的艦船型號；

一個少樣本學習分類器包括嵌入模塊和關系模塊；

所述嵌入模塊將輸入空間映射到所述關系模塊，所述關系模塊通過相似性度量確定類別是否匹配；

一個少樣本學習分類器的訓練過程如下：

將數據分為訓練集、支持集和測試集；所述數據為小樣本數量的艦船遙感圖像；測試過程中，將測試集與支持集對比，通過度量兩者相似度實現對測試集數據類型的識別；

假設所述訓練集包含C類樣本，所述訓練集中每個樣本x分配一個類別標簽y；遍歷所述C類樣本，從中依次抽取a個類別，每個類別隨機抽取b個樣本作為樣本集S；

在C類樣本中，從a個類別中其他剩余樣本中隨機抽取n個樣本組成查詢集Q；

利用訓練集對網絡進行元學習，將所述樣本集S中a種類別的樣本x_i和查詢集Q中樣本x_j輸入嵌入模塊，獲得對應的特征圖和

對特征圖和進行通道連接，輸入關系模塊，得到a個關聯得分r_i,j；

采用均方誤差來回歸樣本關聯得分：完全匹配相似度為1，不匹配相似度為0；

通過集成策略，輸出多模型融合的所述艦船遙感圖像對應的艦船型號，包括：

S31、使用一個少樣本學習分類器對待識別的艦船遙感圖像進行預測，得到艦船型號的分類結果k；

S32、采用步驟S31所述分類結果k對應的SVM分類器k進行二分類，若兩者分類結果一致，則確定該分類結果k為最終艦船型號；

S33、若所述步驟S31和S32的分類結果不一致，則使用剩余的C-1個SVM分類器對所述待識別的艦船遙感圖像進行分類，選取C-1個分類器分類得分最高的結果作為最終的艦船型號。

2.根據權利要求1所述的一種小樣本條件下的衛星影像艦船型號識別方法，其特征在于：獲取目標區域待識別的艦船遙感圖像，并進行預處理，包括：通過遙感傳感器獲取目標區域待識別的艦船遙感圖像，并對所述艦船遙感圖像進行輻射定標、大氣校正、幾何校正和圖像融合處理。

3.根據權利要求1所述的一種小樣本條件下的衛星影像艦船型號識別方法，其特征在于：所述嵌入模塊包括4個卷積塊，每個卷積塊后還包含一個2×2的最大池化層；每個卷積塊包含64個3×3的卷積核、批歸一化和線性整流函數；

所述關系模塊包括3個卷積塊和2個全連接層；每個卷積塊后還包含一個2×2的最大池化層；每個卷積塊包含64個3×3的卷積核、批歸一化和線性整流函數；其中，第一個全連接層激活函數采用ReLU函數，第二個全連接層激活函數采用Sigmoid函數。

4.根據權利要求1所述的一種小樣本條件下的衛星影像艦船型號識別方法，其特征在于：所述C個SVM分類器的核函數為高斯徑向基函數，定義如下：

其中，x，y為輸入特征；σ為函數的寬度參數。

5.根據權利要求4所述的一種小樣本條件下的衛星影像艦船型號識別方法，其特征在于：所述C個SVM分類器的訓練過程如下：構建C個一對多分類器，對應于C類艦船型號，將其中一種型號作為一類，剩余C-1類艦船合并為另一類；訓練過程包括：S21、從艦船樣本中選擇第1類作為正樣本，其余類別為負樣本，訓練得到SVM分類器1，用來識別第1類艦船；

S22、從艦船樣本中選擇第2類作為正樣本，其余類別為負樣本，訓練得到SVM分類器2，用來識別第2類艦船；

S23、重復以上步驟S21和S22，訓練出C個SVM分類器。