[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

摘要

本发明公开一种基于多视角深度学习框架的SAR自动目标识别方法，应用于雷达目标识别领域，针对原始SAR图像较少的情况下深度神经网络难以得到有效训练的问题，本发明利用原始SAR图像的不同视角，结合实际应用中的数据采集成本及识别性能要求，利用少量原始SAR图像，生成大量多视角组合样本，增加了样本中包含的有效识别信息；基于深度学习理论，构建多输入并行深度神经网络，自动提取出不同视角的有效特征并给出类别预测结果，实现SAR目标的迅速精准识别，本发明方法具有灵活、准确、高效和泛化能力强的优点。

主权项

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；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。