[发明专利]基于空间变换三通道卷积的ISAR图像分类方法

权利要求书

1.一种基于空间变换三通道卷积的ISAR图像分类方法，其特征在于，包括如下：

(1)生成训练样本集和测试样本集：

(1a)对四类卫星目标的HH、HV、VV三种极化雷达回波使用Keystone变换及RD算法，设置俯仰角为50°，方位角为0°～359°，在带宽为1.5G、积累角为5°和带宽为2G、积累角为6°这两种条件，针对每种条件，分别生成每类卫星目标的ISAR图像各4320张，得到共8640张ISAR图像；

(1b)对四类卫星目标的HH、HV、VV三种极化雷达回波使用Keystone变换及RD算法，设置俯仰角为55°，方位角为0°～359°，在带宽为1G、积累角为5°和带宽为2G、积累角为4°这两种条件，针对每种条件，分别生成每类卫星目标的ISAR图像各4320张，得到共8640张ISAR图像；

(1c)分别围绕(1a)与(1b)中得到的每幅ISAR图像的中心，将每幅ISAR图像裁剪为120×120个像素，并将每幅ISAR图像旋转至方位角为0°，得到用于训练和测试的0°方位角ISAR图像各8640张；

(1d)分别围绕每幅用于训练的0°方位角的ISAR图像的中心，将每幅ISAR图像在-5°～5°之间随机选择5个方位角进行旋转，得到共43200张ISAR图像，并将这些图像与用于训练的0°方位角的ISAR图像合并，得到共51840张ISAR图像及相应的标签作为训练样本集R；

(1e)分别围绕每幅用于测试的0°方位角的ISAR图像的中心，将每幅ISAR图像在-30°～30°之间随机选择5个方位角进行旋转，得到共43200张ISAR图像，并将这些图像与用于测试的0°方位角的ISAR图像合并，得到共51840张ISAR图像及相应的标签作为测试样本集E；

(2)构建基于空间变换三通道卷积的ISAR图像分类网络：

(2a)由第一个五组卷积-BN-tanh-池化结构依次级联，并在最后一组卷积-BN-tanh-池化结构的后边再依次级联第一全连接层、第一dropout层、第二全连接层，得到第一深度卷积网络N₁；

(2b)由第二个五组卷积-BN-tanh-池化结构依次级联，并在最后一组结构中的池化层后依次级联第三全连接层、第二dropout层、第四全连接层，得到第二深度卷积网络N₂；

(2c)将第一深度卷积网络N₁、第一仿射变换单元、第二深度卷积网络N₂、第二仿射变换单元依次级联，得到一个空间变换网络T；

(2d)由三通道5组卷积层-BN-ReLU-池化层结构依次级联，得到三通道5组卷积网络N₃；

(2e)由空间变换网络T和三通道卷积网络N₃、第五全连接层、第三dropout层、第六全连接层、softmax分类器依次级联，得到基于空间变换三通道卷积的ISAR图像分类网络U；

(3)将训练样本集R输入到基于空间变换三通道卷积的ISAR图像分类网络U进行训练，得到训练好的基于空间变换三通道卷积的ISAR图像分类网络；

(4)将测试样本集E输入到训练好的基于空间变换三通道卷积的ISAR图像分类网络进行测试，得到网络输出的分类结果。

2.根据权利要求1所述的方法，其中所述(2a)中的第一深度卷积网络N₁，其各层参数设置如下：

第一组卷积层的卷积核大小为9×9个像素，卷积核数量为4个；

第二组卷积层的卷积核大小为7×7个像素，卷积核数量为8个；

第三组卷积层的卷积核大小为5×5个像素，卷积核数量为16个；

第四组卷积层的卷积核大小为3×3个像素，卷积核数量为32个；

第五组卷积层的卷积核大小为3×3个像素，卷积核数量为64个；

五组池化层的核大小均为2×2个像素；

第一全连接层神经元个数为50个；

第二全连接层神经元个数为6个。