基于深度神经网络的SAR图像识别方法技术

本发明专利技术关于基于深度神经网络的SAR图像识别方法，包括：构建卷积神经网络架构，包括卷积层、relu层、批量归一化层和最大池化层；构建深度神经网络架构，包括输入层、多层卷积神经网络架构、全连接层、softmax层和分类层；训练网络，设置相应的网络参数，对分好的图像数据训练集、验证集和测试集进行网络训练；识别，最后使用经过训练完成的网络识别验证数据并计算最终的识别率。方法融合了特征提取与分类识别，用深度学习来代替手工选取特征和分类器，减少目标识别中人为的工作量，提高了SAR图像目标识别及分类的性能，验证表明测试准确度达99.88％，非常接近验证准确度，表明构建的网络模型具有极强的鲁棒性。模型具有极强的鲁棒性。模型具有极强的鲁棒性。

【技术实现步骤摘要】
基于深度神经网络的SAR图像识别方法


[0001]本专利技术主要关于计算机视觉识别
，特别是关于一种基于深度神经网络的SAR图像识别方法。

技术介绍

[0002]合成孔径雷达(Synthetic Aperture Radar,SAR)是属于微波成像传感器中的一种，不同于被动式传感器，SAR能够主动自发地发射电磁波并且接收返回的信号进行成像和探测。SAR不受外部光源的约束，所以能够全天时对地面数据进行提取，并且由于其电磁波波段拥有较强穿透性，浓雾、大气烟雾以及云层都可以无障碍穿透。SAR工作不受光照、气候的影响，这一优势是其他传感器无法比拟的。SAR拍摄的高分辨率图像能反映目标的散射特性并含有利用其他传感器所获取的图像所不具有的大量信息，因此SAR在军事和民用均有广泛应用。
[0003]雷达图像是地物目标的后向散射形成的图像信息，基于极化分解矩阵的特征检测算法，可以将复杂的散射机制分解成多种简单的极化散射机制，在此基础上，通过对简化极化散射机制的信息含量进行研究和分析，从而得到雷达目标的极化散射特性，获得所需目标的空间结构特征。...

【技术保护点】

【技术特征摘要】
1.基于深度神经网络的SAR图像识别方法，其特征在于包括：构建卷积神经网络架构，通过卷积层、relu层、批量归一化层、最大池化层构建卷积神经网络架构；构建深度神经网络架构，采用输入层、多层卷积神经网络架构、全连接层、softmax层、分类层构建深度神经网络架构；训练网络，设置相应的网络参数，对分好的图像数据训练集、验证集和测试集进行网络训练；识别，最后使用经过训练完成的网络识别验证数据并计算最终的识别率。2.根据权利要求1所述的方法，其特征在于：所述通过卷积层、relu层、批量归一化层、最大池化层构建卷积神经网络架构包括依次设置卷积层
‑
relu层
‑
卷积层
‑
批量归一化层
‑
relu层
‑
最大池化层
‑
relu层。3.根据权利要求1所述的方法，其特征在于：所述采用输入层、多层卷积神经网络架构、全连接层、softmax层、分类层构建深度神经网络架构包括依次设置输入层
‑
多层卷积神经网络架构
‑
全连接层
‑
softmax层
‑
分类层。4.根据权利要求1
‑
3任一项所述的方法，其特征在于：所述多层卷积神经网络架构的层数不少于两层，优选2
‑
10层，更优选5
‑
10层，最优选7层。5.根据权利要求1
‑
3任一项所述的方法，其特征在于：所述深度神经网络架构具体为：输入层
‑
(卷积层
‑
relu层
‑
卷积层
‑
批量归一化层
‑
rel...

【专利技术属性】
技术研发人员：张福旺，
申请(专利权)人：北京盛安同力科技开发有限公司，
类型：发明
国别省市：