【技术实现步骤摘要】
一种基于去噪自编码网络的SAR图像目标识别方法
本专利技术属于合成孔径雷达(SAR)图像应用领域,涉及一种SAR图像目标识别方法,特别是一种基于去噪自编码网络的SAR图像目标识别方法。
技术介绍
合成孔径雷达(SAR)作为一种重要的遥感成像传感器,在环境监测、资源勘察和国防军事等领域有着非常广泛的应用。面对海量的SAR数据,如何从中自动、快速、准确地识别目标成为了目前SAR图像处理研究的重要方向,越来越引起人们的关注和重视。近年来深度学习在图像处理和语音识别等领域取得了广泛的应用,其核心思想是通过构建一种包含多个隐藏层的深度神经网络结构,用以提取图像、语音等信号的高层语义信息,从而可以提高后期分类或识别的准确率。神经网络通过构造多层网络结构,可以实现直接对原始图像进行逐层表示和分类。网络的每一层相当于一个特征提取过程,从而实现从图像到高层特征的提取,但是通常需要大量的训练样本才能防止模型发生过拟合。目前SAR图像目标识别方法主要有基于模板匹配的方法、基于模式分类的方法和基于稀疏表示的方法。但是模板匹配方法由于需要预先存储大量模板,算法空间复杂度高,并且性能容易受SAR图像质量的影响,算法鲁棒性不够。基于模式分类的方法需要手动设计特征,分类器选择的条件假设在不同应用背景下性能差异较大,具有一定的局限性。稀疏表示的方法通过对原始图像进行稀疏表示,即是一次特征提取过程,可以直接用原始图像的稀疏表示进行分类与识别,从而有效的避免了手工提取特征的困难。另一方面,稀疏表示的求解过程计算复杂,计算量大,十分耗时。目前已提出的SAR图像目标识别算法都不够通用,且由于SAR ...
【技术保护点】
1.一种基于多尺度稀疏表示的SAR图像目标识别方法,其特征在于,包括:步骤(1)SAR图像去噪:密集SIFT特征提取依然会受到相干斑噪声的干扰,故先利用去噪算法对原图像进行预处理;步骤(2)提取密集尺度不变局部特征(SIFT):对(1)中预处理后的训练图像,每一幅图像提取密集特征点,并通过随机采样的方法构成训练特征子集;对于测试图像,同样提取密集SIFT特征,保留所有特征进行稀疏编码;步骤(3)对特征进行稀疏表示:对(2)中获得的训练特征子集,利用多尺度字典学习方法,学习全局多尺度字典,;然后对(2)中图像提取的所有密集SIFT特征(训练图像和测试图像)进行稀疏编码,获得特征的稀疏表示,利用稀疏表示特征替代原始图像相应位置提取的SIFT特征点;步骤(4)特征映射:经过(2)的特征提取和(3)的稀疏表示后,每幅图像在不同位置得到一个稀疏特征向量,对特征向量进行聚类,然后使用空间金字塔(SPM)模型计算图像特征向量表达,利用最大池化方法(Max Pooling)对各个局部特征进行汇总,得到最终的图像描述向量;步骤(5)线性支持向量机分类:得到(4)中训练图像的最终图像描述向量后,训练分类器 ...
【技术特征摘要】
1.一种基于多尺度稀疏表示的SAR图像目标识别方法,其特征在于,包括:步骤(1)SAR图像去噪:密集SIFT特征提取依然会受到相干斑噪声的干扰,故先利用去噪算法对原图像进行预处理;步骤(2)提取密集尺度不变局部特征(SIFT):对(1)中预处理后的训练图像,每一幅图像提取密集特征点,并通过随机采样的方法构成训练特征子集;对于测试图像,同样提取密集SIFT特征,保留所有特征进行稀疏编码;步骤(3)对特征进行稀疏表示:对(2)中获得的训练特征子集,利用多尺度字典学习方法,学习全局多尺度字典,;然后对(2)中图像提取的所有密集SIFT特征(训练图像和测试图像)进行稀疏编码,获得特征的稀疏表示,利用稀疏表示特征替代原始图像相应位置提取的SIFT特征点;步骤(4)特征映射:经过(2)的特征提取和(3)的稀疏表示后,每幅图像在不同位置得到一个稀疏特征向量,对特征向量进行聚类,然后使用空间金字塔(SPM)模型计算图像特征向量表达,利用最大池化方法(MaxPooling)对各个局部特征进行汇总,得到最终的图像描述向量;步骤(5)线性支持向量机分类:得到(4)中训练图像的最终图像描述向量后,训练分类器进行SAR图像目标识别。2.如权利要求1中利用三维模块匹配算法(BM3D)将具有相似结构的图像子块组合成三维数组,利用联合滤波的方法在变换域进行图像滤波,最后通过逆变换得到去噪后的图像。3.如权利要求1中首先使用滑动窗口方法进行密集采样,选定不同的窗口大小和滑动步长,在同一副图像中,提取多个尺度下的密集SIFT特征,然后进行高斯模糊和方向匹配计算,保证在每一个滑动过得窗口中都提取到128维的SIFT描述子,对于一副M×N大小的图像,假设尺度S={0,1,2},则滑动窗口大小和相应的采样间隔步长为:winsize(s)=16×2s,winstep(s)=8...
【专利技术属性】
技术研发人员:漆进,秦金泽,胡顺达,
申请(专利权)人:电子科技大学,
类型:发明
国别省市:四川,51
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。