一种基于脉冲神经网络的SAR图像舰船目标识别方法技术

本发明专利技术提供一种基于脉冲神经网络的SAR图像舰船目标识别方法，该方法采用了基于视觉注意力机制的视觉显著图提取方法，可以增强图像特征、去除相干斑等噪声影响，提高模型泛化能力和鲁棒性；然后，利用泊松编码器对视觉显著图进行步长为T的脉冲编码，得到离散的脉冲时间序列，以便后续的网络进行信息传递；接着，利用卷积神经网络和LIF脉冲神经元构建脉冲神经网络模型，赋予神经网络更好的生物特性，从而能够更准确地模拟大脑的信息传递过程；最后，利用替代梯度训练方法，解决了脉冲神经网络模型难以利用梯度下降和反向传播进行优化的问题；该方法能够准确识别舰船目标，同时兼具有高效节能的优势。

【技术实现步骤摘要】
一种基于脉冲神经网络的SAR图像舰船目标识别方法
本专利技术涉及图像目标识别领域，更具体地，涉及一种基于脉冲神经网络的SAR图像舰船目标识别方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar，SAR)是一种高分辨率成像雷达,具有全天候、全天时、不受天气影响等成像特点，可有效地识别伪装和穿透掩盖物，能够宏观、长期、动态、实时地对陆地和海洋进行观测，已成为对地、对海观测系统的重要构成部分，目前成为遥感技术的研究重点。它不仅被广泛应用于国民经济建设、生态环境保护等领域，而且在国家安全与军事领域发挥着越来越重要的作用。随着高分三号等卫星的发射，提供了越来越多的高分辨率SAR图像，进一步促进了SAR图像解译技术的发展和应用。近年来，人工智能(ArtificialIntelligence，AI)技术的兴起引发了以计算机视觉领域为代表的快速发展，并逐渐在SAR图像解译领域得到推广。AI的代表性技术为深度学习(DeepLearning)，深度学习的概念源于对人工神经网络(ArtificialNeuralNetworks，ANN本文档来自技高网...

【技术保护点】
1.一种基于脉冲神经网络的SAR图像舰船目标识别方法，其特征在于，包括以下步骤：/nS1：进行SAR图像视觉显著图提取和脉冲编码；/nS2：进行脉冲神经网络模型构建；/nS3：进行脉冲神经网络模型训练。/n

【技术特征摘要】
1.一种基于脉冲神经网络的SAR图像舰船目标识别方法，其特征在于，包括以下步骤：
S1：进行SAR图像视觉显著图提取和脉冲编码；
S2：进行脉冲神经网络模型构建；
S3：进行脉冲神经网络模型训练。


2.根据权利要求1所述的基于脉冲神经网络的SAR图像舰船目标识别方法，其特征在于，所述步骤S1中，进行SAR图像视觉显著图提取的过程包括：
进行SAR图像亮度信息提取：
给定输入图像J，首先利用高斯金字塔对其进行尺度为2的特征图提取，实现图像在水平和垂直方向上尺度逐渐递减的八级下采样过程；每层图像的亮度特征图表示为I(k)，其中k∈[0，8]代表图像高斯金字塔结构中的不同层级；在图像中，相邻像素之间在纹理和灰度层面上具有很强的相关性，如果某一像素点与周围像素点差异越大越容易引起视觉注意，成为视觉显著点，引入中央周边差方法对不同尺度分辨率的特征图做进一步处理得到注意力信息；定义为中央周边差算子，亮度特征图的提取过程为将不同层级的特征图缩放到同一尺度后进行逐像素点的相减，该过程表示为：



其中，c∈{2，3，4}，s＝c+δ，δ∈{3，4}，表示将第c层的特征图与第s层的特征图进行差值运算。


3.根据权利要求2所述的基于脉冲神经网络的SAR图像舰船目标识别方法，其特征在于，所述步骤S1中，进行SAR图像视觉显著图提取的过程还包括：
进行SAR图像方向信息提取：
方向信息提取过程与亮度信息提取过程类似，首先利用高斯金字塔对输入图像进行八级下采样得到多尺度特征图，然后再针对特征度作进一步方向特征提取；使用二维Gabor滤波器提取图像的方向通道特征信息，其数学表达式为：



其中，(x0，y0)表示目标中心在图像中的坐标位置，(ξ0，v0)表示滤波器在频域上的最优空间频率，表示高斯函数在x轴方向上的方差，表示高斯函数在y轴上的方差，和决定了Gabor滤波核可接受区域的大小；通过Gabor对高斯金字塔中的每一层级的特征图进行方向特征提取，得到不同尺度的方向特征图O(k)，利用中央周边差方法提取方向特征的注意力信息：





4.根据权利要求3所述的基于脉冲神经网络的SAR图像舰船目标识别方法，其特征在于，所述步骤S1中，进行SAR图像视觉显著图提取的过程还包括：
进行SAR图像全局加强合并：
选取全局加强合并的策略融合亮度和方向特征图的信息以生产视觉显著图：
1)归一化特征图至[0，N]，其中N∈[0，255]限制了归一化的范围；
2)计算全局最大值M和局部平均值
...

【专利技术属性】
技术研发人员：谢洪途，李金膛，王国倩，陈曾平，
申请(专利权)人：中山大学，
类型：发明
国别省市：广东;44