[发明专利]一种基于超分辨率对抗生成级联网络的SAR小样本识别方法有效
| 申请号： | 201910177075.X | 申请日： | 2019-03-08 |
| 公开（公告）号： | CN109871902B | 公开（公告）日： | 2022-12-13 |
| 发明（设计）人： | 关键;孙建国;袁野;龙云飞;吴嘉恒;林尤添 | 申请（专利权）人： | 哈尔滨工程大学 |
| 主分类号： | G06V10/774 | 分类号： | G06V10/774;G06V10/82;G06N3/08 |
| 代理公司： | 暂无信息 | 代理人： | 暂无信息 |
| 地址： | 150001 黑龙江省哈尔滨市南岗区*** | 国省代码： | 黑龙江;23 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明属于雷达数据处理领域，具体涉及一种基于超分辨率对抗生成级联网络的SAR小样本识别方法。针对SAR目标图像分辨率低所导致的目标特征不明显，受环境影响较大，数据样本易混淆的问题，提出一个基于深度学习的超分辨率网络，对低分辨率的SAR的小样本图像进行放大。让分类网络能够提取到更多的特征。与传统超分辨率方法不同，利用GAN进行的图像超分辨率能够有效的提取到图像的特征，生成非过度平滑的逼真的高分辨率图像。针对SAR小样本图像具有的低分辨率，特征模糊，样本容易混淆的特点，针对SAR图像固有特点的GAN超分辨率模型。将实现一个4倍放大因子的超分模型，可以将原图像的像素数量放大到原来的16倍。这样可以提供给分类器更多的内容和特征。 | ||
| 搜索关键词： | 一种 基于 分辨率 对抗 生成 级联 网络 sar 样本 识别 方法 | ||
【主权项】：
1.一种基于超分辨率对抗生成级联网络的SAR小样本识别方法，其特征在于，该方法包括以下步骤：步骤1：通过大量的无标签SAR地图数据库对SRGAN预训练进行训练；步骤2：通过现有的目标识别识别数据库对Inception目标识别网络进行预训练；步骤3：将超分辨率网络和分类网络级联之后，再次使用带有标签的数据对整体网络进行训练；步骤4：新的SAR目标样本通过该网络得到识别结果。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于哈尔滨工程大学，未经哈尔滨工程大学许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201910177075.X/，转载请声明来源钻瓜专利网。
