[发明专利]一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法

权利要求书

1.一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法，其特征在于，包括：

将雷达图像输入训练好的卷积神经网络，得到抑制斑噪的结果图像；

所述卷积神经网络的训练方法包括：

(1)在雷达图像中叠加斑噪得到叠加斑噪后的图像，将叠加斑噪后的图像输入卷积神经网络，得到训练输出图像；

(2)根据雷达图像和训练输出图像的均方误差，得到误差损失，利用雷达图像和训练输出图像的互相关系数，得到相关损失；

(3)利用误差损失和相关损失，进行反向传播，更新卷积神经网络的权值参数；

(4)重复步骤(1)-(3)若干次，得到训练好的卷积神经网络；

所述卷积神经网络的激活函数为PReLU，所述卷积神经网络的损失函数为：

L(G)＝L_MSE(G)+λL_CORR(G)

L_MSE(G)和L_CORR(G)分别代表均方误差损失和相关损失，λ表示平衡两种损失之间权重的参数；损失项L_MSE(G)在像素级上约束生成图像，损失项L_CORR(G)在特征级上约束生成图像；

所述互相关系数为：

其中，φ_m,n(A)和φ_m,n(A′)分别表示雷达图像和训练输出图像在特征提取网络中第m个池化层之前的第n个卷积层的特征图，φ_m,n(A)_i,j为φ_m,n(A)中第i行第j列像素点的灰度值，φ_m,n(A′)_i,j为φ_m,n(A′)中第i行第j列像素点的灰度值，W_m,n和H_m,n分别表示特征提取网络中第m个池化层之前的第n个卷积层的特征图的宽度和高度。

2.如权利要求1所述的一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法，其特征在于，所述步骤(2)包括：

根据雷达图像和训练输出图像的均方误差，得到误差损失，利用特征提取网络提取雷达图像和训练输出图像的特征图，利用雷达图像和训练输出图像的特征图之间的互相关系数，得到相关损失。

3.如权利要求2所述的一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法，其特征在于，所述特征提取网络为VGG、ResNet或者GoogleNet。

4.如权利要求2或3所述的一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法，其特征在于，所述相关损失为：

其中，表示在特征提取网络中第m个池化层之前的第n个卷积层的特征图上计算得到的相关损失L_CORR(G)，CORR(φ_m,n(A),φ_m,n(A′))表示互相关系数。

5.如权利要求1或2所述的一种基于相关损失卷积神经网络的雷达图像斑噪抑制方法，其特征在于，所述步骤(3)包括：

利用误差损失和相关损失，计算损失函数关于卷积神经网络的权值参数的梯度，利用梯度进行反向传播，更新卷积神经网络的权值参数。