一种基于期望最大化算法的多视角SAR目标识别方法技术

本发明专利技术属于合成孔径雷达目标识别技术领域，具体的说是涉及一种基于期望最大化算法的多视角SAR目标识别方法。本发明专利技术应用卷积神经网络为特征提取器，根据卷积神经网络对目标的预测概率合理地选择标签的数量，不再简单地选择单视角预测概率最大的标签为预测类别，而是根据预测类别的概率分布灵活地选择可靠的标签。考虑到多视角之间的信息补偿特性，随机选择同一目标的多个视角，自适应地构造多视角标签集，运用EM算法求解预测标签的概率分布，得到更加准确的估计标签，实现了多视角融合，提高了识别率。由于对多视角之间的视角间隔没有限制，本发明专利技术可灵活应用于实际场景，尤其是对非协作目标进行目标识别。

【技术实现步骤摘要】
一种基于期望最大化算法的多视角SAR目标识别方法
本专利技术属于合成孔径雷达(SyntheticApertureRadar，SAR)目标识别
，具体的说是涉及一种基于期望最大化算法的多视角SAR目标识别方法。
技术介绍
合成孔径雷达是一种全天时、全天候工作的高分辨微波成像雷达，被广泛应用于战场感知侦察，地形勘探，环境监测等军事和民用领域。SAR目标识别技术是基于机器学习和信号处理等理论基础，提取目标特征并对目标进行分类，是合成孔径雷达应用中的关键环节，并在SAR领域中成为研究热点之一。文献[1]构建了单输入卷积神经网络用于解决10类SAR目标图像的识别问题，但单视角网络没有考虑多视角之间的信息补偿和内在互补特性，而且分类器直接选择预测概率最大的标签为预测标签，忽略了真实标签对应的预测概率可能低于最大值的情况，从而造成识别错误。文献[2]提出基于稀疏表征分类的数据融合方法(SparseRepresentationClassificationforfuseddata,DSRC)，探索多视角之间的内在互补性，利用多视角信息解决S本文档来自技高网...

【技术保护点】
1.一种基于期望最大化算法的多视角SAR目标识别方法，其特征在于，包括以下步骤：/nS1、采集原始SAR图像，经预处理后获得目标SAR图像样本集合X：/nX＝{x

【技术特征摘要】
1.一种基于期望最大化算法的多视角SAR目标识别方法，其特征在于，包括以下步骤：
S1、采集原始SAR图像，经预处理后获得目标SAR图像样本集合X：
X＝{xi|i＝1,2,…,N}
N代表总样本数，包含了对目标在不同方位角下进行观测，采集得到不同视角的样本；设目标样本的类别标签集合对应为：
z＝{zi|i＝1,2,…,N}
其中，zi∈{1,2,…,K}，K为目标类别总数；
S2、构建深度卷积神经网络：神经网络共包含4层卷积层和2层全连接层，每个卷积层后都加一层最大池化层；在最后一层全连接层后接softmax层；
S3、训练卷积神经网络：将目标样本及对应的标签输入构建的卷积神经网络进行前向传播，将预测标签和真实标签进行对比，并利用交叉熵损失函数衡量预测错误的代价；使用基于梯度下降的后向传播算法对卷积神经网络参数进行更新；迭代进行前后向传播，直至代价函数收敛，保存此时的神经网络参数，得到训练好的神经网络模型；
S4、采用训练好的神经网络模型对SAR目标进行识别，对K类待测目标在不同方位角下观测得到M张SAR图像，将神经网络对第m张SAR图像的预测概率表示为：



其中，表示卷积神经网络将第m张SAR图像预测为第k类目标的概率，k＝1，2，3，…，K；
S5、根据得到的概率分布选择标签，具体为：
将得到的预测概率向量进行降序排列，记为p′m，并将概率对应的标签记为Lm＝[l1,l2,…,lk]；计算p′m相邻元素的比值，记为：



其中，∈为类别数的倒数；取其中最大值以及对应的索引值：
[value,index]＝max[ξm(1),ξm(2),…,ξm(k-1)]
对于第m张SAR图像构建标签集所采用的标签数量等于索引值的大小：
sm＝index
选择Lm的前sm个标签记为：



S6、构建多视角标签集，具体为：
随机取同一目标的多个视角SAR图像分别输入神经网络，记为视角1,2，…，n，重复步骤S4和S5，分别得到n个视角各自对应的标签集，依次为
将n个标签集的标签构建多视角标签集，记为：



S7、根据获得的多视角标签集，基于期望最大化算法，迭代估计预测标签的概率，收敛后取概率最大的预测标签作为最终...

【专利技术属性】
技术研发人员：郭贤生，张玉坤，李林，万群，沈晓峰，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51