[发明专利]基于高斯原型的小样本ISAR图像目标识别方法

说明书

本发明提出了一种基于高斯原型的小样本ISAR图像目标识别方法，用于解决现有技术中存在的ISAR图像样本较少情况下识别精度较低的技术问题，实现步骤为：(1)获取训练样本集R₀和测试样本集E₀；(2)构建深度卷积神经网络C；(3)对深度卷积神经网络C进行迭代训练；(4)获取小样本ISAR图像的目标识别结果。本发明为每一类ISAR图像计算一个对应的高斯原型，通过计算每一幅ISAR图像对应的嵌入向量到高斯原型的距离来对这幅ISAR图像进行识别，有效提高了在ISAR图像样本有限情况下的识别精度。

技术领域

本发明属于雷达图像处理技术领域，涉及一种ISAR自动目标识别方法，具体涉及一种基于高斯原型的小样本ISAR图像目标识别方法，可用于在未知类别标签样本有限情况下的ISAR自动目标识别。

背景技术

逆合成孔径雷达ISAR具有全天候、全天时、高分辨、远作用距离等特性，由于二维高分辨ISAR图像具有可分辨的目标形状，可提供目标的结构与运动信息，被广泛应用于航海、航天、航空的自动目标识别。自动目标识别ATR是基于计算机系统，从传感器获取数据，提取特征，自动给出目标类别属性的算法。近年来，虽然已有大量算法成功应用于合成孔径雷达SAR的自动目标识别，但由于逆合成孔径雷达ISAR图像的固有特性，难以将用于SAR图像的算法直接应用于ISAR图像的自动目标识别。

近年来，深度卷积神经网络(DCNN)被广泛应用于SAR图像ATR中，该类方法不需要人工设计特征提取器及大量的专业知识，能够从数据中自动提取对分类有效的特征，因此获得了优良的识别性能。但是，基于深度学习的自动目标识别需要大量样本。由于ISAR主要观测对象为非合作目标，受观测条件限制，所得ISAR图像数量非常有限。此时，DCNN会遇到模型无法充分训练等困难，无法得到良好的识别效果。

例如，2009年，M.N.Saidi等人在2009IEEE International Geoscience andRemote Sensing Symposium上发表的论文“Automatic Target Recognition of AircraftModels Based on ISAR Images”，提出了一种ISAR图像自动目标识别方法，该方法用支持向量机(SVM)分类器对目标进行识别，提高了ISAR目标识别率，但是其存在的不足之处在于，需要大量的ISAR图像样本进行训练，当ISAR图像的样本数量有限时，识别准确率仍然不高。

发明内容

本发明的目的是针对上述现有技术的不足，提出了一种基于高斯原型的小样本ISAR识别方法，用于解决现有技术中存在的ISAR图像样本有限的情况下识别精度较低的技术问题。

为实现上述目的，本发明采取的技术方案包括如下步骤：

(1)获取训练样本集R₀和测试样本集E₀：

(1a)选取大小为l×l的N类逆合成孔径雷达ISAR图像，每类ISAR图像的数量为H幅，并对其中每幅M类ISAR图像进行标记，将标记后的M类ISAR图像作为训练样本集R₀，将剩余N-M类作为测试样本集E₀，其中N≥4，l≤128，H≥20，M≥2；

(1b)从训练样本集R₀包含的每类ISAR图像中随机选取m幅组成训练支撑集S₁，剩余M(H-m)幅ISAR图像组成训练查询集Q₁，同时从测试样本集E₀包含的每类ISAR图像中随机选取m幅组成测试支撑集S₂，剩余(N-M)(H-m)幅ISAR图像组成测试查询集Q₂，其中m≤10；

(2)构建深度卷积神经网络C：

构建包括多个卷积层、多个ReLu激活层、多个最大池化层和一个全连接层的深度卷积神经网络C；