[发明专利]基于深度置信网络的SAR图像目标识别方法

摘要

本发明公开了一种基于深度置信网络的SAR图像目标识别方法。其步骤为：(1)获取待识别图像样本；(2)滤波；(3)提取特征；(4)训练深度置信网络DBN；(5)目标识别；本发明采用深度置信网络，将多种参数结合起来作为输入，能够有效地解决现有技术中仅采用SAR图像的单一特征，不足以表征更全面的目标信息和利用浅层学习方法时，依赖大量人工工作导致速度慢的问题，本发明具有结合图像多种特征，获取更丰富更深层的目标信息，提高SAR图像目标识别精度的优点。

主权项

1.一种基于深度置信网络的SAR图像目标识别方法，包括如下步骤：(1)获取待识别图像样本；(1a)从MSTAR数据集中任意获取已知类别标签的SAR图像作为训练样本集；(1b)从MSTAR数据集中任意获取不同于训练样本的已知类别标签的SAR图像作为测试样本集；(2)滤波：对训练样本集和测试样本集中每个样本进行中值滤波，得到滤波后的训练样本集和测试样本集；(3)提取特征：(3a)对滤波后的训练样本集及测试样本集中的每个样本xk，进行轮廓波变换，得到41个子带图像，将41个子带图像全部投影到水平、垂直和两个对角线方向，得到164个投影向量，将164个投影向量的均值和方差组成一个向量，作为样本xk的轮廓波特征向量；(3b)对样本x_k进行归一化处理,得到图像利用曲线波变换方法，提取图像的低频子带系数，得到图像的低频子带图像采用形态学处理方法，去除图像的背景冗余，将形态学处理后的图像拉伸成向量作为样本x_k的曲线波特征向量；(3c)对样本x_k下采样，得到32×32大小的图像将图像拉伸成1024维向量，得到样本x_k的原始特征向量；(3d)将样本xk的原始特征向量、轮廓波特征向量与曲线波特征向量首尾连接，得到样本xk的特征向量A；(4)训练深度置信网络DBN：(4a)将滤波后训练样本集中所有样本xk的特征向量A输入三层高斯限制玻尔兹曼机GRBM中，对三层高斯限制玻尔兹曼机GRBM进行训练，得到并保存三层高斯限制玻尔兹曼机GRBM的第1层、第2层和第3层的输出向量；(4b)将第3层的输出向量输入到softmax分类器中，训练softmax分类器；(4c)利用反向传播方法，对整个深度置信网络DBN进行微调,得到训练好的深度置信网络DBN；(5)目标识别：将滤波后测试样本集中所有样本xk的特征向量A输入到训练好的深度置信网络DBN中进行识别，得到样本xk的识别标签yk。