一种基于深度卷积记忆网络的SAR目标类型识别方法技术

本发明专利技术公开了一种基于深度卷积记忆网络的SAR目标类型识别方法，包括以下步骤：S1、采集原始SAR图像；S2、对原始SAR图像进行预处理；S3、根据实际成像条件和性能指标设置离散方位角数目m；S4、根据离散方位角数目，生成用于训练的相邻方位角的SAR图像切片组合；S5、根据SAR图像切片组合，构建深度卷积记忆网络；S6、训练深度卷积记忆网络。本发明专利技术的基于深度卷积记忆网络的SAR目标类型识别方法利用不同方位角的样本数据组合，结合实际图像中的数据信息及类型识别性能要求，设计得到高效准确的目标类型识别方法，能够根据实际图像特性和性能指标调节样本组合数目及网络结构，具有灵活、准确、高效和系统集成性强的优点。

【技术实现步骤摘要】
一种基于深度卷积记忆网络的SAR目标类型识别方法
本专利技术属于雷达图像处理领域，特别涉及一种基于深度卷积记忆网络的SAR目标类型识别方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)是一种具有全天候、全天时工作能力的高分辨率微波成像雷达，广泛应用于战场感知侦察、地理信息采集、农林环境监测、地质地貌勘探、海洋资源利用等领域，具有极高的民用与军用价值。随着SAR的成像理论的迅速发展，获取图像的能力不断增强。面对大量的SAR图像数据，如何进行准确的自动解译越来越受到人们的关注和重视。研究高效可靠的SAR自动目标识别算法及系统是SAR图像数据能得到充分利用的关键所在。SAR自动目标识别(AutomaticTargetRecognition,ATR)基于现代信号处理和模式识别等理论，在没有人工干预的条件下，在较短的时间内从场景中自动检测出潜在目标并标识出目标的种类、型号等属性。当前主流的SARATR方法主要有基于模板的方法和基于模型的方法。但传统方法往往需要图像预处理技术，存在算法复杂度高，稳定性差等问题，难本文档来自技高网...

【技术保护点】
1.一种基于深度卷积记忆网络的SAR目标类型识别方法，其特征在于，包括以下步骤：/nS1、采集原始SAR图像；/nS2、对原始SAR图像进行预处理；/nS3、根据实际成像条件和性能指标设置离散方位角数目m；/nS4、根据离散方位角数目，生成用于训练的相邻方位角的SAR图像切片组合；/nS5、根据SAR图像切片组合，构建深度卷积记忆网络；/nS6、训练深度卷积记忆网络，将S4得到的训练样本数据输入步骤S5构建的深度卷积记忆网络进行前向传播，计算代价函数值；使用基于梯度下降的后向传播算法对深度卷积记忆网络参数进行更新；迭代进行前后向传播，直至代价函数收敛。/n

【技术特征摘要】
1.一种基于深度卷积记忆网络的SAR目标类型识别方法，其特征在于，包括以下步骤：
S1、采集原始SAR图像；
S2、对原始SAR图像进行预处理；
S3、根据实际成像条件和性能指标设置离散方位角数目m；
S4、根据离散方位角数目，生成用于训练的相邻方位角的SAR图像切片组合；
S5、根据SAR图像切片组合，构建深度卷积记忆网络；
S6、训练深度卷积记忆网络，将S4得到的训练样本数据输入步骤S5构建的深度卷积记忆网络进行前向传播，计算代价函数值；使用基于梯度下降的后向传播算法对深度卷积记忆网络参数进行更新；迭代进行前后向传播，直至代价函数收敛。


2.根据权利要求1所述的一种基于深度卷积记忆网络的SAR目标类型识别方法，其特征在于，所述步骤S2具体实现方法为：结合网络结构制作成目标位于中心的图像切片，并对切片后的图像进行归一化操作：以x(u,v)表示归一化前SAR图像，x′(u,v)表示归一化后SAR图像，则其中，max(x(u,v))表示数据像素值的最大值，min(x(u,v))表示数据像素值的最小值。


3.根据权利要求1所述的一种基于深度卷积记忆网络的SAR目标类型识别方法，其特征在于，所述步骤S4具体实现方法为：根据离散方位角数目m，将方位角范围[0°,360°)离散化为{φj|φj∈[0°,360°),j＝1,2,…,m}；将SAR图像{xi∈Rn,i＝1,2,…,N}归属入相同视角的样本集合中，其相应的离散化方位角为


4.根据权利要求1所述的一种基于深度卷积...

【专利技术属性】
技术研发人员：黄钰林，裴季方，王陈炜，汪志勇，崔美玲，杨建宇，霍伟博，杨海光，张寅，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：四川;51