[发明专利]一种基于GTAF的SAR多极化宽幅遥感影像的识别方法

说明书

本发明涉及SAR图像处理技术领域，更具体的说是一种基于GTAF的SAR多极化宽幅遥感影像的识别方法，所述方法，包括以下步骤：S1、对SAR图像进行尺寸为W×H＝13×13进行滑窗裁剪，构造SAR三维转动舰船目标训练集与测试集；S2、高斯型激活函数(GTAF)，包括一个普通实数域激活函数和一个高斯函数，用于联合激活神经元的实部和虚部；通过GTAF的前向传播与反向传播算法，利用所述训练集训练CV‑CNN，通过CV‑CNN自学习并提取样本的深层本质特征，训练完全部训练数据即可得到基于SAR多极化宽幅遥感影像识别模型；S3、将所述测试集输入到所述模型中，通过全连接层与输出层，更好的实现对SAR地物的识别。

技术领域

本发明涉及SAR图像处理技术领域，更具体的说是一种基于GTAF的SAR多极化宽幅遥感影像的识别方法。

背景技术

深度学习在一系列任务上表现出了卓越的性能，包括计算机视觉、自然语言处理、和语音处理。其涉及如下内容：卷积神经网络(CNN)是由级联的卷积层和池化层组成的多层网络结构；CNN通常将输入图像转换为特征空间，在特征空间中，输入图像成为线性可分的。为了实现这一目标，CNN依靠激活函数来实现非线性并映射出特征；激活函数通过引入非线性使神经网络具有学习复杂模式的能力；复数域神经网络的复数域激活函数是由实数域激活函数如sigmoid、tanh、ReLU等扩展而来的。

近年来，应用最广泛的复数域激活函数是实虚型激活函数(RIAF)，它在神经元的实部和虚部都应用了单独的实数域激活函数。但这种单独的激活方法忽略了复杂输入实部和虚部之间的内在关系，失去了激活的完整性。

发明内容

本发明提供一种基于GTAF的SAR多极化宽幅遥感影像的识别方法，目的是更好完成SAR多极化宽幅遥感影像识别。

上述目的通过以下技术方案来实现：

一种基于GTAF的SAR多极化宽幅遥感影像的识别方法，包括以下步骤：

S1、对SAR图像进行尺寸为W×H＝13×13进行滑窗裁剪，构造SAR三维转动舰船目标训练集与测试集；

S2、高斯型激活函数(GTAF)，包括一个普通实数域激活函数和一个高斯函数，用于联合激活神经元的实部和虚部；通过GTAF的前向传播与反向传播算法，利用所述训练集训练CV-CNN，通过CV-CNN自学习并提取样本的深层本质特征，训练完全部训练数据即可得到基于SAR多极化宽幅遥感影像识别模型；

S3、将所述测试集输入到所述模型中，通过全连接层与输出层，实现对SAR地物的识别。

附图说明

图1为CV-CNN前向传播流程图；

图2为CV-CNN反向传播流程图；

图3为CV-CNN网络架构图；

图4为舰船目标识别流程图；

图5为实测SAR图像地物识别结果；

图6为实测SAR图像地物识别混淆矩阵。

具体实施方式

一种基于GTAF的SAR多极化宽幅遥感影像的识别方法，包括以下步骤：

S1、对SAR图像进行尺寸为W×H＝13×13进行滑窗裁剪，构造SAR三维转动舰船目标训练集与测试集；其中W代表宽，H代表高。