[發明專利]基于改進神經網絡的復數SAR圖像目標識別方法

有效

• 申請號: 202110769105.3
• 申請日: 2021-07-07
• 公開（公告）號: CN113537020B
• 公開（公告）日: 2022-12-09
• 發明（設計）人: 冷祥光;雷禹;孫忠鎮;計科峰;熊博蒞;唐濤;趙凌君;雷琳;張思乾;孫浩
• 申請（專利權）人: 中國人民解放軍國防科技大學
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/82;G06V10/774;G06N3/04;G06N3/08
• 代理公司: 長沙國科天河知識產權代理有限公司 43225
• 代理人: 邱軼

1.基于改進神經網絡的復數SAR圖像目標識別方法，其特征在于，所述方法包括：

獲取多個復數SAR樣本圖像，分別提取各所述復數SAR樣本圖像的實部通道圖像、虛部圖像以及幅度圖像并進行重組，得到與各所述復數SAR樣本圖像對應的三通道SAR樣本圖像，并根據各所述三通道SAR樣本圖像構建樣本數據集；

對所述樣本數據集進行標準化處理，得到樣本數據集的數據均值和數據標準差；

構建通道注意力機制模塊與殘差網絡相結合的目標識別神經網絡，并根據所述數據均值和數據標準差對所述目標識別神經網絡進行參數設置，再將樣本數據集輸入所述目標識別神經網絡進行訓練，得到已訓練的目標識別神經網絡；

其中，所述構建通道注意力機制模塊與殘差網絡相結合的目標識別神經網絡包括：將所述通道注意力機制模塊連接至殘差網絡中的各殘差學習單元“identity”分支上以構建所述目標識別神經網絡；所述殘差網絡包括卷積層、池化層、依次連接的四個殘差學習單元、平均池化層以及全連接層；數據在通過各所述殘差學習單元時，依次通過卷積層、批標準化層、ReLu激活層、另一個卷積層、另一個批標準化層的處理后得到中間數據，輸入數據還通過identity分支與中間數據進行殘差處理后再進行ReLu激活處理得到該殘差學習單元的數據輸出，其中，通道注意力機制模塊加入identity分支上；

獲取待識別的復數SAR圖像，提取所述復數SAR圖像的實部圖像、虛部圖像以及幅度圖像并進行融合得到與復數SAR圖像對應的三通道SAR圖像；

將所述三通道SAR圖像輸入已訓練的目標識別神經網絡，進行目標識別。

2.根據權利要求1所述的復數SAR圖像目標識別方法，其特征在于，在對所述復數SAR樣本圖像的實部圖像、虛部圖像以及幅度圖像進行重組時保留原始灰度。

3.根據權利要求1所述的復數SAR圖像目標識別方法，其特征在于，采用標準分數方法進行對所述樣本數據集進行標準化處理。

4.根據權利要求1所述的復數SAR圖像目標識別方法，其特征在于，對所述目標識別神經網絡進行訓練時還加入標簽平滑正則化對目標識別神經網絡進行約束，使得損失函數為：

其中，ε為超參數，K為所述樣本數據集中各復數SAR樣本圖像的類別數目，q(k)為標簽分布，P(k)為預測分布，k為所述樣本數據集中各復數SAR樣本圖像的某一類別標簽，y為真實標簽。