[发明专利]基于空间变换三通道卷积的ISAR图像分类方法

说明书

本发明公开了一种基于空间变换三通道卷积的ISAR图像分类方法，主要解决现有ISAR目标分类技术中无法适应复杂成像环境，未充分利用ISAR图像特征，分类精度低的问题。其实现步骤为：1)生成训练样本集和测试样本集；2)构建基于空间变换三通道卷积的ISAR图像分类网络；3)将训练样本集输入到基于空间变换三通道卷积的ISAR图像分类网络进行训练；4)将测试样本集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。本发明能有效校正图像的空间变换，具有形变稳健性，并通过三通道卷积结构提取图像的特征，提高了ISAR图像的分类精度,可用于ISAR图像的目标检测和识别。

技术领域

本发明属于图像处理技术领域，特别涉及一种逆合成孔径雷达ISAR图像分类方法，可用于ISAR图像的目标检测和识别。

背景技术

逆合成孔径雷达ISAR具有全天时、全天候、远作用距离等特点，在海面、空中、空间目标自动目标识别ATR等领域有广泛的应用。目标的二维高分辨ISAR像为其三维散射中心分布向二维成像平面的投影，因此蕴含着目标形状、结构、尺寸、运动等重要的可区分特征。

ISAR图像与普通的光学图像不同，ISAR观测对象主要为人造目标，反映散射中心的后向散射强度，并且随成像平面的改变而快速变化，具有很强的各向异性，对于同一目标，在不同观测条件下，如不同观测带宽，其对应的ISAR像差异性很大，很难提取其稳健特征；由于ISAR受到目标运动方向、观测带宽、相参积累时间、距离和方位采样率等因素的影响，因此ISAR图像具有旋转敏感、尺度伸缩敏感、平移敏感等特性。

为克服ISAR像所特有的旋转、伸缩、尺度及平移敏感性，基于ISAR图像进行自动目标识别的方法主要有提取稳健特征、构建形变匹配模板、校正图像形变。

所述提取稳健特征，是利用ISAR图像的特性，将ISAR图像在旋转和伸缩两个变量上进行投影，根据归一化互相关最大准则进行分类。但是，这种投影方法会损失目标重要的形状与结构等可区分信息，并且由于要求所有样本具有相同方位尺度因子，此类方法无法适应复杂的实际应用场景。

所述构建形变匹配模板，是利用目标的尺寸和形状等特征构建包含轮廓与边界的原型模板及对应的概率形变变换集，进而在贝叶斯框架下寻找目标与形变模板的最优匹配。但由于该方法需要大量的样本作为参照，故不能有效进行小样本集的分类。

所述校正图像形变，是利用目标方位和运动参数对已知样本进行旋转和尺度变化，建立目标真实三维散射中心分布与ISAR像之间的仿射变换模型。在识别过程中，根据该模型逐一对已知样本和待分类样本进行仿射参数估计，并以匹配分数最大为准则实现分类识别。此类方法由于在计算过程中包含大量复杂的变形参数，因而计算量过大。

由于深度学习并不需要人工提取特征以及过多专业知识和人工计算量，能够适应多变复杂的环境，通过神经网络模型的训练自动稳健地提取图像特征，有效克服ISAR图像的旋转敏感、尺度伸缩敏感、平移敏感等特性，完成图像的分类，因此近年来被广泛应用在雷达自动目标识别的研究中。