[发明专利]一种面向方位角连续缺失的SAR目标特征解缠与识别方法

权利要求书

1.一种面向方位角连续缺失的SAR目标特征解缠与识别方法，其特征在于，包括以下步骤：

获取待识别SAR图像；

基于特征解缠学习的编码网络提取所述待识别SAR图像中待分类目标的身份特征；其中，所述身份特征与所述待识别SAR图像的方位角无关；

采用特征解缠学习的目标识别子网络对所述身份特征进行识别，得到所述待识别SAR图像中待分类目标的类别。

2.如权利要求1所述的一种面向方位角连续缺失的SAR目标特征解缠与识别方法，其特征在于，所述编码网络包括两层卷积层和池化层，提取所述待识别SAR图像中待分类目标的身份特征包括：

通过第一层卷积层提取所述待识别SAR图像的基础共有特征；

以所述基础共有特征为输入信息，采用第二层卷积层得到所述身份特征。

3.如权利要求1所述的一种面向方位角连续缺失的SAR目标特征解缠与识别方法，其特征在于，对所述身份特征进行识别包括：

将所述身份特征依次通过卷积层和softmax层，得到所述待识别SAR图像中待分类目标的类别。

4.如权利要求1-3任一所述的一种面向方位角连续缺失的SAR目标特征解缠与识别方法，其特征在于，所述编码网络的训练方法为：

确定SAR图像训练集；所述SAR图像训练集至少包含一个类别的全方位角SAR图像；

将所述SAR图像训练集中的SAR图像进行分组，每组中包含两个SAR图像；其中，至少一组中的两个SAR图像的方位角不同；

以每组的两个SAR图像为输入信息，分别计算目标识别子网络的交叉熵和目标转换子网络的重构误差和转换误差；

基于所述交叉熵、重构误差和转换误差，采用反向传播方法优化所述编码网络。

5.如权利要求4所述的一种面向方位角连续缺失的SAR目标特征解缠与识别方法，其特征在于，还包括基于所述交叉熵、重构误差和转换误差，采用反向传播方法优化所述目标识别子网络和目标转换子网络。

6.如权利要求5所述的一种面向方位角连续缺失的SAR目标特征解缠与识别方法，其特征在于，计算目标识别子网络的交叉熵包括：

通过两个参数共享的所述编码网络，提取每组中两个SAR图像的身份特征和旋转特征；

采用所述目标识别子网络对每个所述SAR图像的身份特征进行识别，得到每个所述SAR图像中待分类目标的类别；

根据识别得到的每个所述SAR图像中待分类目标的类别和每个所述SAR图像中待分类目标的真实类别计算目标识别子网络交叉熵。

7.如权利要求5或6所述的一种面向方位角连续缺失的SAR目标特征解缠与识别方法，其特征在于，计算目标转换子网络的重构误差和转换误差包括：

通过两个参数共享的所述编码网络，提取每组中两个SAR图像的身份特征和旋转特征；

以每个所述SAR图像的身份特征和旋转特征为输入信息，采用目标转换子网络对每个所述SAR图像进行重构和转换，得到重构后的SAR图像和转换后的SAR图像；

根据重构后的SAR图像与真实SAR图像计算重构误差；

根据转换后的SAR图像与真实SAR图像计算转换误差。

8.如权利要求7所述的一种面向方位角连续缺失的SAR目标特征解缠与识别方法，其特征在于，采用目标转换子网络对每个所述SAR图像进行转换包括：

将两个旋转特征连接作为姿态差异子网络的输入，得到表示两个输入SAR图像姿态差异的参数θ；其中，姿态差异子网络是由三层全连接层串联组成；

根据所述参数θ完成旋转特征间的转换，得到转换后的旋转特征；

以身份特征和转换后的旋转特征为输入信息，经过解码网络生成转换后的SAR图像。