[发明专利]基于深度神经网络的SAR图像识别方法

权利要求书

1.基于深度神经网络的SAR图像识别方法，其特征在于包括：

构建卷积神经网络架构，通过卷积层、relu层、批量归一化层、最大池化层构建卷积神经网络架构；

构建深度神经网络架构，采用输入层、多层卷积神经网络架构、全连接层、softmax层、分类层构建深度神经网络架构；

训练网络，设置相应的网络参数，对分好的图像数据训练集、验证集和测试集进行网络训练；

识别，最后使用经过训练完成的网络识别验证数据并计算最终的识别率。

2.根据权利要求1所述的方法，其特征在于：所述通过卷积层、relu层、批量归一化层、最大池化层构建卷积神经网络架构包括依次设置卷积层-relu层-卷积层-批量归一化层-relu层-最大池化层-relu层。

3.根据权利要求1所述的方法，其特征在于：所述采用输入层、多层卷积神经网络架构、全连接层、softmax层、分类层构建深度神经网络架构包括依次设置输入层-多层卷积神经网络架构-全连接层-softmax层-分类层。

4.根据权利要求1-3任一项所述的方法，其特征在于：所述多层卷积神经网络架构的层数不少于两层，优选2-10层，更优选5-10层，最优选7层。

5.根据权利要求1-3任一项所述的方法，其特征在于：所述深度神经网络架构具体为：输入层-(卷积层-relu层-卷积层-批量归一化层-relu层-最大池化层-relu层)_n-(卷积层-relu层-卷积层-批量归一化层-relu层-最大池化层)-卷积层-relu层-dropout层-全连接层-relu层-全连接层-softmax层-分类层，n∈{1,2,3,4,5,6,7,8,9}。

6.根据权利要求1-3任一项所述的方法，其特征在于：所述对分好的图像数据训练集、验证集和测试集进行网络训练包括：首先对SAR图像数据集加载，然后进行图像数据分析，将图像数据经数据拆分与扩充后分为图像数据训练集、验证集和测试集，最后以图像数据训练集、验证集和测试集对构建完成的深度神经网络进行训练。

7.一种计算机可读存储介质，所述计算机可读存储介质内存储有可被处理器执行的计算机程序，所述计算机程序被处理器执行时运行权利要求1-6任一项所述基于深度神经网络的SAR图像识别方法中的至少一个步骤。

8.一种计算机设备，所述计算机设备包括存储器、处理器、通信接口以及通信总线；其中，所述存储器、处理器、通信接口通过所述通信总线进行相互间的通信；所述存储器，用于存放计算机程序；所述处理器，用于执行所述存储器上所存放的计算机程序，所述处理器执行所述计算机程序时实现权利要求1-6任一项所述基于深度神经网络的SAR图像识别方法中的至少一个步骤。