基于结构化电磁散射特征的SAR目标识别方法及装置制造方法及图纸

本申请涉及一种基于结构化电磁散射特征的SAR目标识别方法及装置。所述方法包括：通过提取各张SAR样本图像中目标的强散射点，并根据提取到的强散射点构建图结构数据，再根据SAR样本图像与对应的图结构数据组成对目标识别模型进行训练的样本对，其中，目标识别模型包括根据图结构数据提取结构化电磁散射特征的第一特征提取网络，根据SAR样本图像提取深度特征的第二特征提取网络，以及根据结构化电磁散射特征与深度特征进行目标识别的特征融合网络，使得采用本方法得到的训练好的目标识别模型对SAR图像中的目标进行识别时有效利用的目标的电磁散射特性，提升了目标识别的识别率。率。率。

【技术实现步骤摘要】
基于结构化电磁散射特征的SAR目标识别方法及装置


[0001]本申请涉及图像目标识别
，特别是涉及一种基于结构化电磁散射特征的SAR目标识别方法及装置。

技术介绍

[0002]合成孔径雷达(SAR)由于其全天时全天候的成像特性，被广泛应用于许多方面，如军事，地理，自然灾害检测等。其中，目标识别是SAR图像解译领域一个基础问题，一直是研究的热点。由于飞机在民事、军事任务中的重要作用，比如，航班管理、军事侦察等，飞机识别任务已经成为SAR目标识别任务的重要问题之一。尤其是随着SAR成像技术的快速发展，高分辨率SAR图像比以往更容易获取，为具有挑战性的细粒度SAR飞机识别任务提供了更多研究机会。
[0003]SAR飞机目标图像通常有一些特殊的表征，包括：目标外观离散以及角度敏感。首先，SAR飞机目标表现出极为离散的外观，相比SAR图像的车辆和舰船目标，飞机图像的散射信息较少且离散，人眼分辨有一定难度。这是由于飞机目标结构较为简单，表面相对光滑。导致飞机目标图像的几何特征(如轮廓等)和纹理特征不明显。电磁散射特征是飞机很重要的特征之一。其本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于结构化电磁散射特征的SAR目标识别方法，其特征在于，所述方法包括：获取SAR图像样本集，所述SAR图像样本集中包括多张目标种类相同的SAR样本图像；提取各张所述SAR样本图像中目标的强散射点，并根据提取到的强散射点构建图结构数据；根据所述SAR图像样本集中各张所述SAR样本图像分别与对应的图结构数据组成多组样本对，并根据多组样本对构建训练样本集；根据所述训练样本集中的样本对对目标识别模型进行训练，得到训练好的目标识别模型，其中，所述目标识别模型包括根据所述样本对中的图结构数据提取结构化电磁散射特征的第一特征提取网络，根据同一样本对中的SAR样本图像提取深度特征的第二特征提取网络，以及根据所述结构化电磁散射特征与深度特征进行目标识别的特征融合网络；获取待进行目标识别的SAR目标图像，将所述SAR目标图像输入已训练好的目标识别模型，并输出目标识别结果，以实现对所述SAR目标图像中目标的识别。2.根据权利要求1所述SAR目标识别方法，其特征在于，所述提取各张所述SAR样本图像中目标的强散射点包括：根据高斯混合分布模型构建表征所述SAR样本图像中目标的强散射点分布的待求解公式；将所述待求解公式进行最小化后，采用期望最大化算法进行迭代计算得到所述SAR样本图像中目标的强散射点特征。3.根据权利要求2所述SAR目标识别方法，其特征在于，所述SAR样本图像中目标的强散射点包括多个，各所述强散射点特征包括该强散射点的局部空间坐标以及幅度属性。4.根据权利要求3所述SAR目标识别方法，其特征在于，所述根据提取到的强散射点构建图结构数据包括：将所述SAR样本图像中目标的多个强散射点特征作为图结构的节点；将各强散射点之间的局部空间位置关系作为对应节点之间的边，并用邻接矩阵对边进行描述。5.根据权利要求4所述SAR目标识别方法，其特征在于，所述第一特征提取网络为图卷积神经网络；所述图卷积神经网络包括依次连接的堆叠多层的GCN层、拼接全局平均池化层、全局最大池化层以及全连接层。6.根据权利要求5所述SAR目标识别方法，其特征在于，所述图卷积神经网络对图结构数据进行结构化电磁散射特征...

【专利技术属性】
技术研发人员：张思乾，赵晨茜，赵凌君，熊博莅，唐涛，雷琳，
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：