[发明专利]基于NSCT双CNN通道和选择性注意机制的SAR图像目标分类

摘要

本发明公开了基于NSCT双通道CNN和选择性注意机制的SAR图像目标分类方法，其方案是获取用于目标检测和分类的训练样本集D1和D2；扩充D1和D2得到样本集D3和D4；训练分别用于目标检测和分类的模型M1和M2；对测试图进行显著性检测及形态学处理，对其进行连通域标记，提取连通域质心对应的目标候选区并在其周围若干像素点内平移，生成目标候选区；用M1对目标候选区分类判断，得到目标的最准确定位；用M2分类后投票决定目标的最终类别。本发明加入非下采样轮廓波层，将低频和高频特征图输入双通道CNN中，组成NSCT双通道CNN，结合选择性注意机制应用到SAR图像分类中，提高了SAR图像目标检测分类的准确率，解决了现有技术目标分类准确率低的问题。

主权项

一种基于NSCT双CNN通道和选择性注意机制的SAR图像目标分类方法，其特征在于，包括：步骤1)，获取用于目标检测的网络模型的训练样本集D1和用于目标分类的网络模型的训练样本集D2；步骤2)，用数据增强中的平移方法训练样本集D1和训练样本集D2进行扩充，得到新训练样本集D3和训练样本集D4；步骤3)，训练网络模型；3a)构建用于目标检测的基于NSCT双CNN通道的分类模型；3b)用训练样本集D3对步骤3a)中构建的分类模型进行训练，得到训练好的模型M1；3c)构建用于目标分类的基于NSCT双CNN通道的分类模型；3d)用训练样本集D4对步骤3c)中构建的网络进行训练，得到训练好的模型M2；步骤4)用图像视觉显著注意模型对待检测分类的SAR场景图进行显著性检测，得到显著特征图；对显著特征图进行形态学处理后，进行连通域标记，提取与每个连通域的质心对应的目标候选区，将各个目标候选区分别在其上下左右四个方向进行平移来扩充每个目标候选区的待判断数量，在每个平移方向上平移的总像素不超过其边长的像素；步骤5)利用训练好的模型M1对步骤4)的目标候选区进行分类检测，将每个目标候选区周围多个候选区域中判断为目标的检测数量与阈值对比，小于这个阈值，则为背景，对比完成后，得到目标定位框；步骤6)，将步骤5)中得到目标定位框用非极大值抑制的方法去除多余的框，选出分类得分最大的定位框，得到目标的最准确定位；步骤7)，将步骤6)中确定为目标的每个区域分别在SAR场景图上进行上下左右四个方向的平移得到多个区域，在每个平移方向上平移的总像素不超过其边长的像素，利用训练好的模型M2对这些区域进行分类，最终目标类别结果通过投票产生，并进行分类标记。