[发明专利]基于卷积神经网络的SAR图像海洋目标分类检测方法

说明书

本发明公开了一种基于卷积神经网络的SAR图像海洋目标分类检测方法，包括以下几个步骤：步骤一：将含有海洋目标的SAR单视复图像转换为进行功率图像转换并量化；步骤二：将量化后的功率图像进行分割，加注样本类别的标签后构建训练集建立数据集；步骤三：对训练集数据集去均值处理；步骤四：建立卷积神经网络模型；步骤五：使用训练集训练卷积神经网络模型；步骤六：将待分类切片输入卷积神经网络模型，得到分类检测结果。本发明具有可靠性强、泛化能力强、计算复杂度低，实用性强、应用范围广等特点。

技术领域

本发明涉及一种基于卷积神经网络的SAR图像海洋目标分类检测方法，属于图像处理与计算机视觉领域。

背景技术

合成孔径雷达起源于军事应用，发展于20世纪50年代，是一种主动式对地观测系统。合成孔径雷达可以不受气候、天气、光照等条件影响，对地进行全天候、全天时的观测，其广泛应用于：农业、土壤湿度、林业、地质、水文、洪水和海洋监测、海洋学、舰船和浮油探测、冰雪探测、地表覆盖测绘、高度测绘和地球变化检测等方面。

近十年以来，卷积神经网络得到了极大的发展，卷积神经网络通过卷积层，池化层，激活函数，全连接层，分类器等结构，将特征提取、特征选择和特征分类融合在同一模型中，采用逐层训练策略，优化网络参数，得到训练模型，进而对输入图像进行分类检测。

目前，大部分针对SAR海洋目标分类算法多基于传统的分类算法如支持向量机、K最近邻分类和决策树等算法，分类准确率较低。很多基于卷积神经网络的海洋目标分类算法的样本类别和样本数量较少，网络结构不合理，导致算法实用性较低且分类效果较差。

发明内容

本发明要解决的技术问题在于，针对现有技术中的以上一个或多个缺陷，提出一种基于卷积神经网络的SAR图像海洋目标分类检测方法，该方法对高分辨率SAR图像进行预处理，将海洋目标划分为多个类别，建立SAR海洋目标数据集，通过分析海洋目标的特征，构建卷积神经网络架构，基于数据集对卷积神经网络模型进行训练，最后将待测图像输入卷积神经网络模型，输出分类检测结果。

本发明提出了一种基于卷积神经网络的SAR图像海洋目标分类检测方法，具体包括以下几个步骤：

步骤一：将含有海洋目标的SAR单视复图像转换为功率图像，并进行量化；

步骤二：将量化后的功率图像分割获取切片样本，加注样本类别的标签后构建训练集ψ；

步骤三：计算训练集的均值得到去均值后的训练集Φ；

步骤四：建立卷积神经网络模型该网络结构包含五层卷积层conv1、conv2、conv3、conv4、conv5，三层池化层pooling1、pooling2、pooling3，两层全连接层fc1、fc2和softmax分类器；

步骤五：将所述去均值后的训练集Φ输入卷积神经网络模型采用随机梯度下降法对网络模型进行训练，得到最佳的网络参数；

步骤六：将待分类切片去均值，输入训练好的卷积神经网络模型中，得到分类预测结果

实施本发明的基于卷积神经网络的SAR海洋目标分类检测方法，具有以下有益效果：

(1)本发明提出的基于卷积神经网络的SAR海洋目标分类检测方法的可靠性强。该方法将特征提取、特征选择和特征分类融合在同一模型中，通过端到端的训练，提升了海洋目标分类检测结果的准确性。

(2)本发明提出的基于卷积神经网络的SAR海洋目标分类检测方法的泛化能力强，计算复杂度低。该卷积神经网络结构较简单，仅有五层卷积层，不易导致模型过拟合。

(3)本发明提出的基于卷积神经网络的SAR海洋目标分类检测方法的实用性强。本发明将待测图像直接输入训练好的网络模型即可获取预测结果。