[发明专利]基于尺度感知域适应的多分辨率SAR目标识别方法及装置

权利要求书

1.一种基于尺度感知域适应的多分辨率SAR目标识别方法，其特征在于，包括以下步骤：

获取源域SAR图像集和目标域SAR图像集；其中，所述源域SAR图像集由源域SAR图像及其类别标签组成，所述目标域SAR图像集由目标域SAR图像组成；

基于所述源域SAR图像集和目标域SAR图像集训练多分辨率SAR目标识别网络；其中，所述多分辨率SAR目标识别网络由源域分类网络和域对抗网络组成；所述源域分类网络包括尺度增强特征提取网络和分类器，所述域对抗网络包括域判别器、多级双线性融合模块和所述尺度增强特征提取网络；

采用训练好的所述源域分类网络对待识别目标域SAR图像进行目标识别。

2.如权利要求1所述的一种基于尺度感知域适应的多分辨率SAR目标识别方法，其特征在于，所述多分辨率SAR目标识别网络的损失函数为：

L_total＝L_cls+αL_adv，

其中，L_total为所述多分辨率SAR目标识别网络的损失函数，L_cls为所述源域分类网络的损失函数，L_adv为所述域对抗网络的损失函数，α为折衷权重。

3.如权利要求2所述的一种基于尺度感知域适应的多分辨率SAR目标识别方法，其特征在于，所述源域分类网络的损失函数具体为：

其中，L_cls(θ_G,θ_C)为具有可训练参数θ_G和θ_C的源域分类网络的损失函数，G(·)表示所述尺度增强特征提取网络，C(·)表示分类器，表示从源域S第i个SAR图像中提取的特征，表示对应的SAR图像的真实类别标签，n_s表示源域S中SAR图像的数量。

4.如权利要求2所述的一种基于尺度感知域适应的多分辨率SAR目标识别方法，其特征在于，所述域对抗网络的损失函数具体为：

其中，L_adv(θ_G,θ_D)为具有可训练参数θ_G和θ_D的域对抗网络的损失函数，n_s表示源域S中SAR图像的数量，G(·)表示所述尺度增强特征提取网络，D(·)表示域判别器，表示从源域S第i个SAR图像中提取的特征，n_t表示目标域t中SAR图像的数量。

5.如权利要求2-4任一所述的一种基于尺度感知域适应的多分辨率SAR目标识别方法，其特征在于，所述尺度增强特征提取网络用于提取SAR图像的尺度增强特征，具体方法包括：

通过卷积网络提取SAR图像的特征X；

将所述特征X依次经过堆叠的自适应卷积核残差模块，得到SAR图像的尺度增强特征。

6.如权利要求5所述的一种基于尺度感知域适应的多分辨率SAR目标识别方法，其特征在于，所述自适应卷积核残差模块用于对所述特征X依次进行分离、融合和挑选操作；

所述分离操作包括将所述特征X送入两个具有不同核尺寸的特征支路，并分别得到不同的特征图和

所述融合操作包括将特征图和进行求和操作，得到融合特征U；再将所述融合特征U依次经过全局平均池化层和全连接层，得到特征表示向量z；

所述挑选操作包括通过特征表示向量z分别计算特征图的权重向量a和特征图的权重向量b，结合所述特征图和以及对应的权重向量计算得到融合特征V，在根据融合特征V计算该自适应卷积核残差模块的输出特征F。

7.如权利要求6所述的一种基于尺度感知域适应的多分辨率SAR目标识别方法，其特征在于，所述输出特征F的计算方法为：