[發明專利]一種提高SAR圖像船只分類精度的方法

在審

• 申請號: 202110563213.5
• 申請日: 2021-05-24
• 公開（公告）號: CN113344046A
• 公開（公告）日: 2021-09-03
• 發明（設計）人: 張曉玲;鄭順心;張天文;胥小我;師君;韋順軍
• 申請（專利權）人: 電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46;G06N3/04;G06N3/08
• 代理公司: 電子科技大學專利中心 51203
• 代理人: 曾磊

本發明公開了一種提高SAR圖像船只分類精度的方法，它是基于深度學習的目標分類理論，利用傳統特征提取算法提取SAR傳統特征，利用主成分分析方法對提取到的傳統特征進行降維。將傳統的手工特征與神經網絡提取到的特征進行融合，將融合特征用于分類，將傳統方法提取到的特征融入到卷積神經網絡中去，提高特征的表征能力，從而輔助深度學習方法，提升在SAR圖像船只分類上的識別精度。本發明與未融入傳統特征的卷積神經網絡相比，能夠顯著提升SAR圖像船只的分類精度。

技術領域

本發明屬于合成孔徑雷達(SAR)圖像解譯技術領域，涉及一種SAR圖像船只分類方法。

背景技術

合成孔徑雷達(SAR)是一種微波成像雷達，它具有全天時、全天候、二維成像、高分辨率、不受光照云霧影響等優點，長期以來都是船只目標監視監測的重要手段。詳見文獻“張晰,張杰,孟俊敏.基于旋翼無人機雷達的船只目標成像與類型識別研究進展綜述[J].海洋科學,2020,44(06):141-147.”。

隨著卷積神經網絡在SAR圖像上的應用，研究學者提出了各種模型用于SAR圖像船只分類，但是這些網絡都只利用網絡自身學習和提取到的特征，而將傳統的手工特征完全舍棄，這可能會導致SAR圖像船只的分類精度難以繼續提高。因此，為了解決以上問題，本發明基于深度學習的理論，并結合傳統的手工特征提取方法，提出了一種提高SAR圖像船只分類精度的方法。

發明內容

本發明屬于合成孔徑雷達(SAR)圖像解譯技術領域，公開了一種提高SAR圖像船只分類精度的方法。該方法基于深度學習的目標分類理論，并將傳統的手工特征與神經網絡提取到的特征進行融合，提出了一種新的SAR船只分類方法。本發明主要包括以下三個步驟，首先，使用卷積神經網絡進行SAR圖像特征的提取。然后，利用手工特征提取算法進行傳統特征提取，并利用主成分分析方法對提取到的傳統特征進行降維。最后，將深度學習提取到的特征和降維后的傳統特征進行融合用于最后的分類。

為了方便描述本發明的內容，首先作以下術語定義：

定義1：OpenSARShip數據集

OpenSARShip數據集是一個可用于SAR圖像船只檢測和分類的數據集。OpenSARShip數據集采集了41幅不同環境條件下的哨兵一號(Sentinel-1)圖像，一共有11346個船只,包含散貨船、集裝箱船和油船三種類型，并且集成了自動識別系統(AIS)的信息。該數據集具有特定性、大尺度、多樣性、可靠性和公開性的特點，可作為SAR船只解譯算法研究的基準數據集，并且在未來，該數據集將會不斷地進行擴充。OpenSARShip數據集可從鏈接https://opensar.sjtu.edu.cn/下載獲得。詳見文獻“L.Huang,et al.,‘OpenSARShip:A Dataset Dedicated to Sentinel-1Ship Interpretation,’IEEEJ.Sel.Top.Appl.Earth Obs.Remote Sens.,2018,11(1):195-208.”。

定義2：神經元

神經元是神經網絡中一種基本的處理單元，它是根據生物界中神經元的結構進行的一種簡化的建模。它能夠接受多個輸入值，然后對這些輸入值進行某種函數運算操作得到輸出。通過神經元，人工神經網絡能夠模擬人腦的神經元處理活動，進而進行各種復雜的運算。詳見網站“https://www.cnblogs.com/subconscious/p/5058741.html”。

定義3：標準的卷積層