[发明专利]基于加权距离的SAR图像小样本识别方法及装置

说明书

本发明公开了一种基于加权距离的SAR图像小样本识别方法及装置，方法包括：获取SAR图像小样本数据，将SAR图像小样本数据分为训练集和测试集；基于预定的迭代次数通过训练集对预先设置的特征提取网络进行迭代训练，从而获取训练好的特征提取网络，其中，每次迭代训练中都通过预先设置的损失函数对特征提取网络中的参数进行更新；将测试集输入训练好的特征提取网络，获取识别结果，本发明通过在特征提取网络中加入了通道注意力机制，对特征网络中的卷积神经网络的多尺度特征进行了融合，提高特征的表达能力，通过权重生成器有效的增加不同类别样本特征的可区分度。

技术领域

本发明涉及SAR图像处理技术领域，尤其是涉及一种基于加权距离的SAR图像小样本识别方法及装置。

背景技术

合成孔径雷达(Synthetic Aperture Radar，SAR)是一种高分辨率成像雷达，其本身是一种利用微波感知的主动式传感器，不受天气、光照等条件限制，可对感兴趣目标进行全天候、全天时的侦察，获取类似光学图像的高分辨雷达图像。

在SAR图像解译应用领域，自动目标识别(Automatic target recognition,ATR)一直是该领域的研究重点和热点。SAR图像目标识别是SAR图像解译的重要阶段，其基本流程可分为三部分：图像预处理、特征提取、分类识别。其中特征提取是关键步骤。

目前应用最广泛的SAR图像目标识别方法为基于深度学习的识别算法，这些方法使用CNN对SAR图像进行特征提取，是一种数据驱动型算法，该方法只有在使用大量数据进行训练的条件下才能取得理想的识别准确率，然而SAR图像中存在大量杂波与斑点噪声，这使得获取带标记的SAR目标图像成本较高，影响识别性能。同时，相同类别的目标在不同方位角具有不同的后向散射行为，这使得同一类别的目标有着多样的形态，而不同类别的目标则看起来非常相似，这使得SAR目标在分类时容易被混淆，给SAR目标的识别带来了进一步的挑战。

发明内容

本发明的目的在于提供一种基于加权距离的SAR图像小样本识别方法及装置，旨在解决现有技术中的上述问题。

本发明提供一种基于加权距离的SAR图像小样本识别方法，包括：

S1、获取SAR图像小样本数据，将SAR图像小样本数据分为训练集和测试集；

S2、基于预定的迭代次数通过训练集对预先设置的特征提取网络进行迭代训练，从而获取训练好的特征提取网络，每次迭代训练中都通过预先设置的损失函数对特征提取网络中的参数进行更新，其中，预先设置的特征提取网络中加入了通道注意力机制及多尺度特征融合结构；

S3、将测试集输入训练好的特征提取网络，获取识别结果。

本发明提供一种基于加权距离的SAR图像小样本识别装置，包括：

样本获取模块，用于获取SAR图像小样本数据，将SAR图像小样本数据分为训练集和测试集；

训练模块，用于基于预定的迭代次数通过训练集对预先设置的特征提取网络进行迭代训练，从而获取训练好的特征提取网络，每次迭代训练中都通过预先设置的损失函数对特征提取网络中的参数进行更新，其中，预先设置的特征提取网络中加入了通道注意力机制及多尺度特征融合结构；

测试模块，用于将测试集输入训练好的特征提取网络，获取识别结果。

采用本发明实施例，通过在特征提取网络中加入通道注意力机制对不同特征的权重进行重新分配，可以增强有用的通道特征，并且抑制冗余的通道特征，提高特征的表达能力，同时不会带来太多的计算复杂度；对特征提取网络中CNN的多尺度特征进行了融合，使得包含大量局部信息的浅层特征和包含大量全局信息的深层特征可以得到融合，更好的利用不同层次特征中的互补信息，进而提高特征的表达能力。