[發(fā)明專利]基于改進原型網(wǎng)絡的小樣本SAR圖像目標識別方法在審
| 申請?zhí)枺?/td> | 202110332409.3 | 申請日: | 2021-03-29 |
| 公開(公告)號: | CN112990334A | 公開(公告)日: | 2021-06-18 |
| 發(fā)明(設計)人: | 周峰;郭欣儀;王力;田甜;白雪茹;石曉然 | 申請(專利權)人: | 西安電子科技大學 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 西安睿通知識產(chǎn)權代理事務所(特殊普通合伙) 61218 | 代理人: | 惠文軒 |
| 地址: | 710071 陜*** | 國省代碼: | 陜西;61 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 基于 改進 原型 網(wǎng)絡 樣本 sar 圖像 目標 識別 方法 | ||
本發(fā)明屬于雷達圖像處理技術領域,尤其涉及一種基于改進原型網(wǎng)絡的小樣本SAR圖像目標識別方法,可用于小樣本條件下的SAR自動目標識別;包括步驟:獲取訓練樣本集和待識別小樣本SAR圖像集;構建深度卷積?雙向長短時原型神經(jīng)網(wǎng)絡,即改進原型網(wǎng)絡;采用訓練支撐集和訓練查詢集對所述深度卷積?雙向長短時原型神經(jīng)網(wǎng)絡進行訓練;獲取小樣本SAR圖像的目標識別結果。本發(fā)明通過構建新的網(wǎng)絡結構,解決了傳統(tǒng)識別方法中每類待識別目標都需要數(shù)百個甚至更多訓練樣本的問題,實現(xiàn)了用每類中少量的帶標簽樣本有效分類識別目標。
技術領域
本發(fā)明涉及雷達圖像處理技術領域,尤其涉及一種基于改進原型網(wǎng)絡的小樣本SAR圖像目標識別方法,是一種SAR自動目標識別方法,可用于小樣本條件下的SAR自動目標識別。
背景技術
合成孔徑雷達(SAR)是在距離向和方位向都具有高分辨率的成像雷達。由于其具備全天時、全天候、遠距離工作的能力,已廣泛應用于戰(zhàn)場偵察、災情預報和海洋觀測等領域。自動目標識別(ATR)是基于計算機系統(tǒng),從傳感器獲取數(shù)據(jù),提取特征并自動得到目標類別的算法。與光學成像不同,單極化SAR圖像用灰度表示目標散射的強度,同時,由于背景雜波和有限分辨率的影響,造成圖像的邊緣模糊和較強的各向異性,增加了SAR圖像有效特征提取和目標識別的困難。
SAR圖像目標識別的主流方法有三種,即模板匹配、目標建模和機器學習。這些方法需要預先設計專用模板、目標模型或分類器,具有較高的復雜性且泛化性能較差。
隨著深度學習的發(fā)展,由于其強大的自動特征提取和表示能力,在SARATR中獲得廣泛關注,許多基于深度學習的SARATR方法已經(jīng)被提出,例如自編碼器、循環(huán)神經(jīng)網(wǎng)絡和脈沖耦合神經(jīng)網(wǎng)絡等。但是基于深度學習模型的SARATR算法為了保證有效的特征提取和目標識別,通常需要大量的訓練樣本。然而,在實際情況下,SAR的圖像獲取較為困難,而且成本較高。在軍事偵察等情況下,甚至只能獲取一些目標的少量SAR圖像,從而導致現(xiàn)有的SARATR算法失效。因此,研究如何在只有少量SAR圖像的情況下有效地提取特征和識別目標在雷達圖像處理技術領域具有重要意義。
發(fā)明內(nèi)容
針對現(xiàn)有技術存在的問題,本發(fā)明的目的在于提供一種基于改進原型網(wǎng)絡的小樣本SAR圖像目標識別方法,解決了傳統(tǒng)識別方法中每類待識別目標都需要數(shù)百個甚至更多訓練樣本的問題,實現(xiàn)了用每類中少量的帶標簽樣本有效分類識別目標。
為了達到上述目的,本發(fā)明采用以下技術方案予以實現(xiàn)。
(一)基于改進原型網(wǎng)絡的小樣本SAR圖像目標識別方法,包括以下步驟:
步驟1,獲取訓練樣本集和待識別小樣本SAR圖像集;從訓練樣本集中按類別選取C×m幅SAR圖像作為訓練支撐集,剩余的幅SAR圖像組成訓練查詢集;同樣,將待識別小樣本SAR圖像集劃分為帶標簽的支撐集和待識別的查詢集;
其中,待識別小樣本SAR圖像集中的目標類別與訓練樣本集中的目標類別不同;C為待訓練的目標總類別數(shù),m為訓練支撐集中每個目標類別的SAR圖像數(shù)目,為訓練樣本集中第k類目標對應的SAR圖像總數(shù)量;
步驟2,構建深度卷積-雙向長短時原型神經(jīng)網(wǎng)絡,即改進原型網(wǎng)絡;
步驟3,采用訓練支撐集和訓練查詢集對所述深度卷積-雙向長短時原型神經(jīng)網(wǎng)絡進行訓練,得到訓練好的深度卷積-雙向長短時原型神經(jīng)網(wǎng)絡;
步驟4,對帶標簽的支撐集和待識別的查詢集中的每幅SAR圖像進行變換合成處理,得到帶標簽的支撐集和待識別的查詢集對應的圖像序列,將所有圖像序列順序輸入訓練好的深度卷積-雙向長短時原型神經(jīng)網(wǎng)絡,得到待識別的查詢集內(nèi)的目標類別。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于西安電子科技大學,未經(jīng)西安電子科技大學許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業(yè)授權和技術合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110332409.3/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 網(wǎng)絡和網(wǎng)絡終端
- 網(wǎng)絡DNA
- 網(wǎng)絡地址自適應系統(tǒng)和方法及應用系統(tǒng)和方法
- 網(wǎng)絡系統(tǒng)及網(wǎng)絡至網(wǎng)絡橋接器
- 一種電力線網(wǎng)絡中根節(jié)點網(wǎng)絡協(xié)調(diào)方法和系統(tǒng)
- 一種多網(wǎng)絡定位方法、存儲介質(zhì)及移動終端
- 網(wǎng)絡裝置、網(wǎng)絡系統(tǒng)、網(wǎng)絡方法以及網(wǎng)絡程序
- 從重復網(wǎng)絡地址自動恢復的方法、網(wǎng)絡設備及其存儲介質(zhì)
- 神經(jīng)網(wǎng)絡的訓練方法、裝置及存儲介質(zhì)
- 網(wǎng)絡管理方法和裝置





