[发明专利]一种基于深度卷积记忆网络的SAR目标类型识别方法

权利要求书

1.一种基于深度卷积记忆网络的SAR目标类型识别方法，其特征在于，包括以下步骤：

S1、采集原始SAR图像；

S2、对原始SAR图像进行预处理；

S3、根据实际成像条件和性能指标设置离散方位角数目m；

S4、根据离散方位角数目，生成用于训练的相邻方位角的SAR图像切片组合；

S5、根据SAR图像切片组合，构建深度卷积记忆网络；

S6、训练深度卷积记忆网络，将S4得到的训练样本数据输入步骤S5构建的深度卷积记忆网络进行前向传播，计算代价函数值；使用基于梯度下降的后向传播算法对深度卷积记忆网络参数进行更新；迭代进行前后向传播，直至代价函数收敛。

2.根据权利要求1所述的一种基于深度卷积记忆网络的SAR目标类型识别方法，其特征在于，所述步骤S2具体实现方法为：结合网络结构制作成目标位于中心的图像切片，并对切片后的图像进行归一化操作：以x(u,v)表示归一化前SAR图像，x′(u,v)表示归一化后SAR图像，则其中，max(x(u,v))表示数据像素值的最大值，min(x(u,v))表示数据像素值的最小值。

3.根据权利要求1所述的一种基于深度卷积记忆网络的SAR目标类型识别方法，其特征在于，所述步骤S4具体实现方法为：根据离散方位角数目m，将方位角范围[0°,360°)离散化为{φ_j|φ_j∈[0°,360°),j＝1,2,…,m}；将SAR图像{x_i∈Rⁿ,i＝1,2,…,N}归属入相同视角的样本集合中，其相应的离散化方位角为

4.根据权利要求1所述的一种基于深度卷积记忆网络的SAR目标类型识别方法，其特征在于，所述深度卷积记忆网络包括三个特征提取分支和一个长短时记忆网络；特征提取分支由4个卷积层和池化层交叠组成；长短时记忆网络由3个长短时记忆层组成，每个长短时记忆层分别含有2048、1024、512个长短时记忆模块；特征提取分支提取出的特征输入长短时记忆网络后再输入Softmax层，得到图像样本类型的标签。

5.根据权利要求1所述的一种基于深度卷积记忆网络的SAR目标类型识别方法，其特征在于，所述步骤S6具体实现方法为：使用基于梯度下降的后向传播算法对深度卷积记忆网络参数进行更新；迭代进行前后向传播，直至代价函数收敛；具体包括以下步骤：

S61、前向传播，以a^(l)表示第l层特征，l≥2；

则

a^(l)＝σ(w^(l)a^(l-1)+b^(l))

其中，a^(l-1)表示第l-1层的特征，w^(l)表示第l层权重，b^(l)为第l层的偏置项，σ(·)为激活函数；

若第L层为输出层，则当前样本属于第i类的后验概率为：

其中，表示输出层的输入的每个像素值，m表示离散方位角总数；

S62、计算代价函数值，以交叉熵函数作为代价函数，其计算公式为：

其中，L(w,b)表示代价函数；w、b分别表示网络中权重与偏置项的集合；p(i|z^(L)；w,b)表示i与z^(L)；w,b的后验概率；

S63、基于梯度下降的后向传播算法对网络参数进行更新，具体计算公式为

其中，α为学习率。