[發明專利]基于自監督學習和子孔徑分解的SAR目標識別方法

在審

• 申請號: 202310581453.7
• 申請日: 2023-05-23
• 公開（公告）號: CN116609780A
• 公開（公告）日: 2023-08-18
• 發明（設計）人: 王兆成;劉商藝;王若楠;劉璐;邵學彥
• 申請（專利權）人: 河北工業大學;天津先進技術研究院
• 主分類號: G01S13/90
• 分類號: G01S13/90;G06V10/764;G06V10/774;G06V10/82;G06V10/74;G06V20/10;G06N3/0455;G06N3/09
• 代理公司: 天津翰林知識產權代理事務所(普通合伙) 12210
• 代理人: 蔡運紅

本發明為一種基于自監督學習和子孔徑分解的SAR目標識別方法，將大量雜波數據加入原始SAR圖像數據集中進行擴充；將數據集中圖像進行包括子孔徑分解在內的兩種數據擴充后輸入到以編碼器和動量編碼器為主體的兩個分支；分別采用梯度回傳和動量公式更新兩個編碼器的參數；以隊列形式更新動量編碼器的輸入后重復以上步驟直至遍歷訓練集中所有數據，并保存模型參數；最后加載自監督的模型參數，重置分類器部分參數完成有監督的下游任務的訓練和測試。本發明相比于有監督的SAR圖像識別方法具有需要標記數量少，檢測精度高的優點，適用于SAR圖像在小樣本情形下的目標識別，主要解決了現有的SAR圖像目標識別技術中樣本數量不足以滿足大規模有監督訓練的問題。

技術領域

本發明屬于雷達目標識別技術領域，尤其涉及一種基于自監督學習和子孔徑分解的SAR目標識別方法。

背景技術

作為遙感技術的一種，合成孔徑雷達(Synthetic?Aperture?Radar,SAR)是一種主動微波成像雷達，并由于其成像原理，相較于其他各種遙感成像技術具有更加不受天氣及光照條件影響的優點，具有全天時、全天候的優良特性。但同時由于其成像機制的特殊性，圖像中有大量雜波存在。同時應用于車輛、飛機等目標識別任務時的標簽標記需要眾多的相關經驗。因此缺少大量有標記圖像是當前SAR圖像處理領域的一個重要問題。

當前隨著機器學習相關理論和模型的發展，深度神經網絡被應用于目標識別任務中，獲得了越來越令人驚喜的結果。也有越來越多的人將機器學習應用于SAR圖像處理中，并取得了一定成果。然而為達到較好的效果，在網絡訓練時需要使用大量有標記圖像，然而SAR圖像在目標識別任務中可用于訓練的數據較少，容易產生網絡過擬合的現象，無法達到最優的結果。

為減少在訓練中對有標簽數據的依賴，深度學習發展出了半監督學習、弱監督學習等一系列不同于全監督學習的方法，在網絡的訓練過程中加入無標簽數據幫助網絡學習相應特征，減少有標簽數據的使用，同時也能夠提高網絡的泛化性能。然而基于以上方法的深度學習任務依舊對有標簽數據的數量有一定的依賴，并且其本質原理依舊是在做監督學習，不能關注到數據本身。而自監督學習通過各種數據變換為無標記的數據創造“偽標簽”，并以此進行網絡的訓練，在不依賴人工標記的同時依然能夠達到與監督學習相似的效果。

與有監督學習依賴標簽的特性不同，自監督學習能夠降低注釋大規模數據集的成本。它采用自定義的偽標記來監督，并將學習的表示形式用于多個下游任務，并在對下游任務的微調中體現自監督模型的效果。自監督學習首先在上游任務部分從大規模的無標簽數據中挖掘數據自身的監督信息，即“偽標簽”，通過使用“偽標簽”對網絡進行有監督的訓練，使網絡學習到對下游任務有用的表征。之后將自監督訓練的模型應用于下游任務，在下游任務中采用極少量的有標簽數據進行微調，同時，為體現自監督模型的效果，在訓練時固定下游任務中網絡模型的大部分參數，例如在分類任務中，只改變分類器部分的參數而其他部分參數固定。

多年來，SAR圖像缺少大量有標記樣本的問題未能被完全解決，而基于自監督學習的方法恰好能夠解決相關困難。當前自監督學習在SAR圖像領域主要被應用在變化檢測及針對SAR圖像的去噪方面，而面向SAR目標檢測及識別的工作較少。同時直接將當前流行的自監督學習算法應用在SAR目標檢測中雖然能起到一定效果，但并未與SAR圖像的物理特性聯系起來，不能發揮更好的作用。由于SAR本身獨特的物理特性，使得其存在不計其數的雜波圖像，不僅降低了圖像的分辨率同時也影響標記標簽工作的進行。而自監督學習中不需要標記數據，在進行自監督訓練的過程中加入大量的雜波圖像能在擴充數據集的同時對其進行充分利用并使得網絡能夠學習到更好的表征。另一方面，作為合成孔徑雷達，當前使用的圖像也可以將其分解為相對應的子孔徑圖像，在自監督“偽標簽”的生成中作為其中一種偽標簽參與訓練，由于其與原始圖像的相似性，在自監督對比學習的過程中能夠更好的促進網絡對特征的學習。

發明內容

針對現有技術的不足，本發明擬解決的技術問題是，提出了一種基于自監督學習和子孔徑分解的SAR目標識別方法。