[发明专利]基于对比学习的地面目标SAR图像鲁棒识别方法及装置

说明书

本申请涉及一种基于对比学习的地面目标SAR图像鲁棒识别方法及装置。所述方法包括：对雷达目标二维图像进行灰度增强，得到SAR灰度图像；将SAR灰度图像划分为训练集和测试集，对训练集进行随机数据增强和归一化处理，得到同一样本的不同正例样本；构建鲁棒识别模型；鲁棒识别模型包括双层卷积、胶囊网络和对比学习模块；利用不同正例样本对鲁棒识别模型进行训练，得到训练好的鲁棒识别模型；根据训练好的鲁棒识别模型对测试集进行识别，得到识别结果。采用本方法能够提高雷达地面目标的识别准确率。

技术领域

本申请涉及雷达目标识别技术领域，特别是涉及一种基于对比学习的地面目标SAR图像鲁棒识别方法、装置、计算机设备和存储介质。

背景技术

合成孔径雷达具有全天时、全天候的成像优势，在自动目标识别、态势感知、地球遥感等领域广泛应用。

目前，深度学习已在雷达地面目标自动目标识别领域中得到广泛应用，在训练集与测试集成像条件差异较小的情况下取得了良好的性能。但在实际应用中面临着非合作目标的识别难题。由于目标的非合作性，其测试集的信噪比通常与训练集信噪比不一致，并且训练样本量往往较少。这两个问题会影响深度学习模型的识别性能，雷达地面目标的识别准确率低。

发明内容

基于此，有必要针对上述技术问题，提供一种能够提高雷达地面目标的识别准确率的基于对比学习的地面目标SAR图像鲁棒识别方法、装置、计算机设备和存储介质。

一种基于对比学习的地面目标SAR图像鲁棒识别方法，所述方法包括：

获取待识别的雷达目标二维图像；

对雷达目标二维图像进行灰度增强，得到SAR灰度图像；

将SAR灰度图像划分为训练集和测试集，对训练集进行随机数据增强和归一化处理，得到同一样本的不同正例样本；

构建鲁棒识别模型；鲁棒识别模型包括双层卷积、胶囊网络和对比学习模块；

利用不同正例样本对鲁棒识别模型进行训练，得到训练好的鲁棒识别模型；

根据训练好的鲁棒识别模型对测试集进行识别，得到识别结果。

在其中一个实施例中，胶囊网络包括初始胶囊层和路由胶囊层；利用不同正例样本对鲁棒识别模型进行训练，得到训练好的鲁棒识别模型，包括：

利用双层卷积对不同正例样本进行目标信息提取，得到多尺度目标特征；

将多尺度目标特征输入胶囊网络进行特征转换，得到空间特征；空间特征为正例特征；

根据对比学习模块的投影层与预测层对空间特征进行正例特征计算，得到不对称的正例特征；利用不对称的正例特征构建对比学习损失函数；

利用对比学习损失函数和胶囊网络的损失函数对鲁棒识别模型进行训练，得到训练好的鲁棒识别模型。

在其中一个实施例中，将多尺度目标特征输入胶囊网络进行特征转换，得到空间特征，包括:

将多尺度目标特征输入胶囊网络进行特征转换，得到空间特征为

其中，u_i表示初始胶囊层输出向量，W_ij表示权重矩阵，表示路由胶囊层的预测向量，c_ij表示耦合系数，由动态路由算法确定取值，s_j表示路由胶囊层的预测向量加权和，v_j为路由胶囊层的输出分类向量，输出分类向量为空间特征。

在其中一个实施例中，胶囊网络的损失函数为