[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

说明书

本发明公开了一种基于深度卷积记忆网络的SAR目标类型识别方法，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。本发明的基于深度卷积记忆网络的SAR目标类型识别方法利用不同方位角的样本数据组合，结合实际图像中的数据信息及类型识别性能要求，设计得到高效准确的目标类型识别方法，能够根据实际图像特性和性能指标调节样本组合数目及网络结构，具有灵活、准确、高效和系统集成性强的优点。

技术领域

本发明属于雷达图像处理领域，特别涉及一种基于深度卷积记忆网络的SAR目标类型识别方法。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种具有全天候、全天时工作能力的高分辨率微波成像雷达，广泛应用于战场感知侦察、地理信息采集、农林环境监测、地质地貌勘探、海洋资源利用等领域，具有极高的民用与军用价值。随着SAR的成像理论的迅速发展，获取图像的能力不断增强。面对大量的SAR图像数据，如何进行准确的自动解译越来越受到人们的关注和重视。研究高效可靠的SAR自动目标识别算法及系统是SAR图像数据能得到充分利用的关键所在。SAR自动目标识别(Automatic Target Recognition,ATR)基于现代信号处理和模式识别等理论，在没有人工干预的条件下，在较短的时间内从场景中自动检测出潜在目标并标识出目标的种类、型号等属性。

当前主流的SAR ATR方法主要有基于模板的方法和基于模型的方法。但传统方法往往需要图像预处理技术，存在算法复杂度高，稳定性差等问题，难以提取出最优的目标特征并进行高效精准的类型识别。随着人工智能理论的兴起与发展，神经网络作为一种自适应能力强的机器学习算法被广泛应用于图像分类、语音信号处理等多个领域，为SAR ATR开辟了新的思路与方向。

文献“Zhao Q,Principe J C.Support vector machines for SAR automatictarget recognition[J].IEEE Transactions on Aerospace and Electronic Systems,2001,37(2):643-654.”提出了一种基于支持向量机的SAR目标识别方法，此方法降低了计算复杂度，但在不同目标下的识别稳定性有较大的波动，总体识别效果依旧需要提高。

文献“Ding J,Chen B,Liu H,et al.Convolutional neural network with dataaugmentation for SAR target recognition[J].IEEE Geoscience and remote sensingletters,2016,13(3):364-368.”等提出了一种基于卷积神经网络的SAR目标识别方法，此方法通过三种数据扩充方式，提高了识别效果，但此方法忽视了SAR目标特性易受方位角的影响。

发明内容

本发明的目的在于克服现有技术的不足，提供一种利用不同方位角的样本数据组合，结合实际图像中的数据信息及类型识别性能要求，设计得到高效准确的基于深度卷积记忆网络的SAR目标类型识别方法，本发明能够根据实际图像特性和性能指标调节样本组合数目及网络结构，具有灵活、准确、高效和系统集成性强的优点。

本发明的目的是通过以下技术方案来实现的：一种基于深度卷积记忆网络的SAR目标类型识别方法，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；