[发明专利]一种基于超分辨率对抗生成级联网络的SAR小样本识别方法

权利要求书

1.一种基于超分辨率对抗生成级联网络的SAR小样本识别方法，其特征在于，该方法包括以下步骤：

步骤1：通过无标签SAR地图数据库对超分辨率对抗生成网络SRGAN预训练；

步骤1.1：将低分辨率图像LR输入至生成网络中，得到高分辨率图像SR；

所述生成网络采用16个具有相同结构的参数块、两个大小为3×3的卷积核、64个特征映射的卷积层，在每一个卷积层后使用ParametricReLU作为激活函数；

步骤1.2：将高分辨率图像SR和原始真实图像HR共同输入至判别网络中，得到判别网络识别图像样本真假的准确率；

所述判别网络包含8个卷积层，每个卷积层采用3×3大小的卷积核，在每一个卷积层后采用批规范化来防止梯度消失，同时加强模型的收敛速度；判别网络采用LeakyReLU作为激活函数，在得到512大小的Feature map后，经过两个全连接层，通过一个Sigmoid激活函数，最终获得样本分类的概率，也就是样本是实际图像而不是生成图像的概率；

步骤1.3：计算基于像素的MSE损失反馈至生成模型中，使生成模型生成图像能力得到提高；

其中，r是放大倍数；W,H图像的长宽像素值；表示原始图像上的(x,y)坐标点的像素值；表示生成图像上的(x,y)坐标点的像素值；

步骤1.4：生成网络和判别网络形成对抗，互相提升；在判别器判别时，会产生判别损失，具体为：

其中，是超分辨率图像被对抗网络判定为真实图像的概率；是原始图像被判别为真实图像的概率；

步骤2：通过目标识别数据库对Inception目标识别网络进行预训练；

利用Inception损失以期达到感知上的相似，感知损失为：

其中，W_i,j和H_i,j分别表示Inception网络中各自特征的维度；φ_i,j表示在第i个Inception模块之后第j个Inception模块之前所提取的样本特征；I^HR表示高清图片；I^LR表示低清图片；x,y示图像上的(x,y)坐标点的像素值；

步骤3：将超分辨率对抗生成网络SRGAN和Inception目标识别网络级联，使用带有标签的数据对整体网络进行训练；

所述Inception目标识别网络包括Stem层、4个Inception-A层，Reduction-A层、7个Inception-B层、Reduction-B层、3个Inception-C层，最后通过Average pooling层和Softmax输出结果，同时为了减小过拟合的风险，在网络中使用Dropout；

训练整体网络的损失函数为：

其中，为交叉熵损失，P(m)表示模型输出的标签为m的时候的概率，假设y为真实的ID标签，因此对于所有的m≠y，有q(y)＝1，q(m)＝0；

步骤4：将待识别的SAR目标样本输入至训练好的由超分辨率对抗生成网络SRGAN和Inception目标识别网络组成的整体网络中，得到识别结果。