一种基于SAR图像的图像分类模型训练方法及装置制造方法及图纸

本发明专利技术提供一种基于SAR图像的图像分类模型训练方法及装置，针对同一目标以相同角度获取多源图像，包括SAR、红外、可见光图像及对应的图像分类数据，通过训练基于红外和可见光图像的辅助神经网络获得的“红外

【技术实现步骤摘要】
一种基于SAR图像的图像分类模型训练方法及装置


[0001]本专利技术涉及图像领域和深度学习，特别涉及一种基于SAR图像的图像分类模型训练方法及装置。

技术介绍

[0002]合成孔径雷达SAR(Synthetic Aperture Radar)是一种主动成像方式，利用了多普勒频移理论和雷达相干原理。SAR穿透作用强，能够有效探测伪装目标，且成像不受光线、气候和云雾限制，故在军事侦察、地理测绘、灾害监测等领域有很高的实际应用价值。但受限于分辨率，基于SAR图像的单模态图像分类网络存在一定的局限性。
[0003]红外图像能够将目标与背景做出区分，而且在全天能保持较好的成像效果。而可见光图像具有高空间分辨率并且能够提供更加细腻的纹理细节。融合两种图像的优点，就能结合红外图像中的热辐射信息和可见光图像中的细腻信息。红外和可见图像融合在图像处理上表现优越，双模态图像能获取多方面场景信息，提取丰富目标图像信息。因此，基于红外、可见光模态的多模态融合图像分类网络在图像分类任务中能表现出优越的性能。
[0004]卷积神经网络(Convoluti本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于SAR图像的图像分类模型训练方法，其特征在于，该方法包括如下步骤：步骤S1:针对同一目标获取多源图像数据，包括SAR、红外、可见光图像数据及图像分类数据；步骤S2:利用获取的红外、可见光图像构建并训练辅助神经网络，所述辅助神经网络以经过预处理的红外、可见光图像为输入，预测的图像分类结果和红外
‑
可见光特征为输出，其具体步骤如下：步骤S21：构建辅助神经网络，采用ResNet
‑
50网络结构的主卷积层分别提取红外、可见光单模态特征，使用卷积层融合上述红外、可见光单模态特征获得红外
‑
可见光特征，预测层采用ResNet
‑
50网络结构的预测层，以上述红外
‑
可见光特征为输入预测图像分类结果；步骤S22：利用获取的红外、可见光图像及图像分类数据训练辅助神经网络；步骤S23：提取并保存步骤S22中训练好的辅助神经网络的红外
‑
可见光特征；步骤S3:利用获取的SAR图像、步骤S23中保存的红外
‑
可见光特征，构建并训练目标网络，所述目标网络仅需SAR单模态图像为输入，输出为图像分类结果和对红外
‑
可见光特征的拟合；其具体步骤如下：步骤S31：采用DenseNet
‑
121网络结构构建目标网络；步骤S32：利用获取到的SAR图像、图像分类数据和步骤S23保存的红外
‑
可见光特征训练目标网络，网络两个目标输出为图像分类结果和红外
‑
可见光特征，两个目标输出与对应真值的误差构成网络的实际误差，所述损失表示为：Loss＝loss1+loss2*φ其中loss1为网络预测的分类结果与真实分类结果间的损失，loss2为网络拟合的红外
‑
可见光特征与红外
‑
可见光特征之间的损失，φ为平衡loss1和loss2的超参数；两个损失共同决定了目标网络的权重更新，由此得到了基于SAR图像的图像分类模型。2.根据权利要求1所述的一种基于SAR图像的图像分类模型训练方法，其特征在于，所述辅助神经网络的分类精度要求大于等于0.95。3.根...

【专利技术属性】
技术研发人员：薛梦凡，杨岗，郑建楠，彭冬亮，贾士绅，陈怡达，宋怡然，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：