[发明专利]融合卷积特征和集成超限学习机的SAR目标识别方法

摘要

本发明涉及融合卷积特征和集成超限学习机的SAR目标识别方法。现有技术将深度卷积神经网络应用于SAR图像目标识别时，为提高识别精度，需解决样本扩充、模型优化设计、长时间训练等问题。为解决在SAR目标识别中，由于各类别目标样本数量的缺乏，引起的分类结果准确性和识别速度不能同时提高的问题，本发明将缩放后的图像通过随机卷积核进行滤波与池化操作，利用随机抽取的方法对得到的特征进行降维，最后用集成超限学习机得到分类结果。本发明提出的方法在极大地提高了识别速度的同时，提高了识别精度，具有更好的应用前景。

主权项

融合卷积特征和集成超限学习机的SAR目标识别方法，其特征在于该方法的具体步骤是：步骤(1).对原始SAR图像进行预处理，通过滤波算法降低相干斑噪声影响，提取SAR目标切片图像；步骤(2).随机生成一定数量具有不同核宽的二维卷积核，采用这些卷积核对SAR图像目标切片进行滤波，基于滤波后的图像生成特征向量；步骤(3).训练阶段，基于集成学习思想，随机生成特征索引，对基于步骤(1)和(2)得到的目标特征向量进行随机抽样生成新的特征向量，将所有训练样本得到新的特征向量组合成一个矩阵，采用超限学习机训练得到分类器；重复若干次，训练得到多个分类器；步骤(4).根据步骤(1)和(2)对待识别的SAR图像提取特征向量，根据步骤(3)对特征向量进行随机抽样生成新的特征向量，同时利用训练好的分类器进行目标类别预测，并对所有分类器结果进行投票表决，确定目标的类别。