[发明专利]一种基于多视角深度学习框架的SAR自动目标识别方法

权利要求书

1.一种基于多视角深度学习框架的SAR自动目标识别方法，其特征在于，包括：

S1、采集原始SAR图像；

S2、对步骤S1采集的原始SAR图像进行预处理；

S3、根据视角大小对预处理后的SAR图像进行排序；

S4、根据实际成像条件和性能指标设置视角数目k及观察角大小θ；

S5、根据步骤S4设置的视角数目及观察角大小，生成多视角组合样本；步骤S5具体为：组合同一目标类别中任意k个视角下采集得到的SAR图像，使其共同构成一个样本；并限制同一组合样本中SAR图像视角的变化不超过θ的大小；

S6、构建多输入并行深度卷积神经网络；

S7、训练深度神经网络，将S5得到的多视角组合样本输入步骤S6构建的多输入并行深度卷积神经网络进行前向传播，计算代价函数值；使用基于梯度下降的后向传播算法对多输入并行深度卷积神经网络参数进行更新；迭代进行前后向传播，直至代价函数收敛。

2.根据权利要求1所述的一种基于多视角深度学习框架的SAR自动目标识别方法，其特征在于，步骤S1具体为：采集相同分辨率，不同视角的原始SAR图像。

3.根据权利要求1所述的一种基于多视角深度学习框架的SAR自动目标识别方法，其特征在于，步骤S2具体为：估计原始SAR图像的视角，以该角度将原始SAR图像旋转至同一方向；并对旋转后的图像进行基于幂变换的灰度增强。

4.根据权利要求1所述的一种基于多视角深度学习框架的SAR自动目标识别方法，其特征在于，步骤S6具体为：所述多输入并行深度卷积神经网络包含多个输入通道，每个通道接收一个视角的SAR图像；每个通道的低隐层均为交替的卷积层和池化层，得到不同视角下的特征图；逐渐将不同视角下的特征图进行合并，连接至共同的卷积层提取更高层的特征；最后提取出的特征输入全连接层，得到图像样本的分类标签。