[发明专利]SAR图像目标识别方法及装置

权利要求书

1.一种SAR图像目标识别方法，其特征在于，包括：

获取SAR图像目标数据；

利用训练好的随机配置网络模型获得SAR图像目标数据的识别结果，其中，所述随机配置网络模型的训练过程包括：

重复执行如下步骤，直至随机配置网络模型的残差满足约束条件：

根据随机配置网络模型的输出权重确定随机配置网络模型的残差；

若所述残差不满足约束条件，根据正则化项参数调整随机配置网络模型的输出权重。

2.如权利要求1所述的方法，其特征在于，在获取SAR图像目标数据之后，提取所述SAR图像目标数据的投影特征；

利用训练好的随机配置网络模型获得SAR图像目标数据的识别结果包括：利用训练好的随机配置网络模型获得所述投影特征的识别结果。

3.如权利要求2所述的方法，其特征在于，提取所述SAR图像目标数据的投影特征之后，确定满足如下条件的投影特征对应的特征向量：

s.t.Φ^TΦ＝E_r×r

其中E_r×r为r阶单位矩阵，G为投影特征，Φ为满足条件的投影特征对应的特征向量；

利用训练好的随机配置网络模型获得SAR图像目标数据的识别结果包括：利用训练好的随机配置网络模型获得特征向量的识别结果。

4.如权利要求1所述的方法，其特征在于，所述约束条件为：

其中，L是网络隐含层节点数量，e_L-1是随机配置网络模型具有L-1个隐含层节点时的残差，h_L是隐含层第L个节点的输出，r为大于0小于1的序列，μ_L为非负实数序列，μ_L≤1-r且X为输入层数据，q为网络输出数量。

5.如权利要求1所述的方法，其特征在于，根据正则化项参数调整输出权重包括：根据正则化项参数，隐含层节点的输出和样本标签调整输出权重。

6.如权利要求5所述的方法，其特征在于，按如下公式调整输出权重：

β＝(H^TH+λ·I)^-1H^TF

其中，β为输出权重，H为隐含层节点的输出，λ为正则化项参数，I为单位矩阵，F为样本标签。

7.一种SAR图像目标识别装置，其特征在于，包括：

数据获取模块，用于获取SAR图像目标数据；

目标识别模块，用于利用训练好的随机配置网络模型获得SAR图像目标数据的识别结果，其中，所述随机配置网络模型的训练过程包括：

重复执行如下步骤，直至随机配置网络模型的残差满足约束条件：

根据随机配置网络模型的输出权重确定随机配置网络模型的残差；

若所述残差不满足约束条件，根据正则化项参数调整随机配置网络模型的输出权重。

8.如权利要求7所述的装置，其特征在于，所述目标识别模块进一步用于：根据正则化项参数，隐含层节点的输出和样本标签调整输出权重。

9.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至6任一所述方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有执行权利要求1至6任一所述方法的计算机程序。