[发明专利]基于角度旋转生成网络的SAR目标识别方法

摘要

本发明公开了一种基于角度旋转生成网络ARGN的SAR目标识别方法，主要解决现有技术在训练样本有限情况下目标识别率较低的问题。其实现方案是：1)对给定的数据集进行预处理，获取新的源任务训练样本和目标任务样本；2)构建角度旋转生成网络ARGN；3)用源任务训练样本对ARGN网络进行训练，得到训练好的网络模型；4)用训练好的模型提取目标任务训练集、测试集的特征；5)用训练集的特征训练SVM分类器；6)将测试集的特征输入到训练好的SVM分类器中，得到测试集的分类结果。本发明通过角度旋转生成网络ARGN能够学习目标的姿态信息及位姿差异，提高了目标的识别率，可用于在训练样本有限情况下的目标识别。

主权项

1.一种基于角度旋转生成网络ARGN的SAR目标识别方法，其特征在于，包括：(1)实验数据准备：将运动静止目标MSTAR数据集的图像分为源域数据集和目标域数据集，将源域数据集中大小为128×128的图像裁剪成64×64大小；对裁剪后的图像进行能量归一化，再将目标类别相同的图像组合成两两一组的数据对x₁,x₂，计算数据对x₁,x₂的目标方位角的角度差，并对其进行归一化，得到归一化后的角度差γ；用数据对x₁,x₂及角度差γ作为源任务的训练样本；将目标域数据集中的图像同样裁剪成64×64大小，并对其进行能量归一化，得到目标任务的样本；(2)构建角度旋转生成网络ARGN：2a)设置特征提取模块，用于对输入图像x₁做特征提取，得到目标的特征提取结果φ(x₁)；2b)设置第一数据重构模块，用于对目标特征φ(x₁)做数据重构，得到关于样本x₁的生成图像δ(φ(x₁))；2c)设置特征变换模块，用于对目标特征φ(x₁)、角度差γ做特征变换，得到目标的变换特征φ(x₁)+γR(φ(x₁))，其中R由两层1×1卷积层构成；2d)设置第二数据重构模块，用于对目标的变换特征φ(x₁)+γR(φ(x₁))做数据重构，得到与目标角度差为γ的图像，输出结果表示为δ(φ(x₁)+γR(φ(x₁)))；将以上四个功能模块依次串联，构成角度旋转生成网络ARGN；(3)用源任务的训练样本对角度旋转生成网络ARGN进行训练，得到训练好的角度旋转生成网络ARGN模型；(4)将目标任务的样本再分为训练集和测试集，利用已经训练好的角度旋转生成网络ARGN模型中的特征提取模块提取训练集、测试集的目标特征，再将提取到的训练集的目标特征送入到支持向量机SVM分类器中，训练分类器模型，得到训练好的支持向量机SVM分类器；(5)将提取的测试集的特征输入到已训练好的支持向量机SVM分类器中，得到测试集的分类结果。