【技术实现步骤摘要】
基于电磁特性和深度学习的SAR目标识别方法及装置
[0001]本申请涉及SAR图像目标识别
，特别是涉及一种基于电磁特性和深度学习的SAR目标识别方法及装置。
技术介绍
[0002]SAR具有全天候、长距离、高分辨率成像能力等优点，在军事和民用领域都有很强的适用性。由于其各种优势，SAR被广泛应用于遥感图像目标检测、目标识别、地形分类等领域。SAR图像自动目标识别是近年来研究的一个重要课题。识别方法主要分为两类:传统的机器学习方法和基于深度学习的方法。对于大多数传统的机器学习方法，目标的特征提取和分类主要基于电磁散射特性，具有可解释性和稳定性。然而，有效识别特征的提取过程往往比较复杂，计算效率较低。与传统方法相比，深度学习方法可以直接学习目标的高维特征，从而获得更高的目标识别精度。然而，由于深度学习的“黑盒”特性，这些算法的泛化性能较差，且难以解释。
技术实现思路
[0003]基于此，有必要针对上述技术问题，提供一种能够对目标识别结果进行解释分析的基于电磁特性和深度学习的SAR目标识别方法及装置。
【技术保护点】
【技术特征摘要】
1.基于电磁特性和深度学习的SAR目标识别方法，其特征在于，所述方法包括：获取待进行目标识别的SAR目标图像；利用属性散射中心模型提取所述SAR目标图像的多个单个散射中心，并根据多个所述单个散射中心进行计算得到多个目标部件图像；将所述SAR目标图像以及各目标部件图像输入特征提取骨干网络中，分别提取对应的目标特征向量以及多个部件特征向量；利用部件注意力单元将所述目标特征向量以及多个部件特征向量进行融合，得到融合特征矩阵，其中，在对所述目标特征向量以及多个部件特征向量进行融合时，将目标特征向量每个通道的特征分别与各部件特征向量进行加权计算，得到对应各通道的融合特征向量，由所有通道的融合特征向量构成所述融合特征矩阵；利用卷积层对所述融合特征矩阵进行目标分类，并根据分类结果对所述SAR目标图像中的目标进行识别。2.根据权利要求1所述的SAR目标识别方法，其特征在于，所述根据多个所述单个散射中心进行计算得到多个目标部件图像包括：根据各所述单个散射中心的多个参数进行计算，得到参数集的聚类中心；对多个所述单个散射中心进行划分，得到不同的散射中心集合；对每个所述散射中心集合根据所述聚类中心进行计算，重构出对应的目标部件频域图像；再对所述目标部件频域图像进行二维傅里叶逆变换，得到目标找中各部件的目标部件图像。3.根据权利要求2所述的SAR目标识别方法，其特征在于，所述特征提取骨干网络采用全卷积网络。4.根据权利要求3所述的SAR目标识别方法，其特征在于，所述目标特征向量以及多个部件特征向量为三维特征向量形式，在利用部件注意力单元进行特征融合之前，还将所述目标特征向量以及多个部件特征向量转换为二维特征向量形式；所述部件注意力单元输出的所述融合特征矩阵为二维特征向量形式，在将其输入所述卷积层之间还将其转换为三维特征向量形式。5.根据权利要求4所述的SAR目标识别方法，其特征在于，所述将目标特征向量每个通道的特征分别与各部件特征向量进行加权计算，得到对应各通道的融合特征向量采用以下公式：公式：公式：在以上公式中，q
n
表示第n个通道的特征，(k
...
【专利技术属性】
技术研发人员：计科峰，封斯嘉，张思乾，王福来，马晓杰，张琳彬，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：
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。