【技术实现步骤摘要】
一种SAR图像目标识别方法、系统、电子设备及介质
[0001]本专利技术涉及雷达
,尤其涉及一种
SAR
图像目标识别方法
、
系统
、
电子设备及介质
。
技术介绍
[0002]合成孔径雷达
SAR(Synthetic Aperture Radar)
是一种基于多运动平台的主动对地观测系统
。
由于电磁波的穿透性,
SAR
不受光照和气候条件的限制,具有全天
、
全天候
、
高分辨率和宽宽度等多种特性
。
经过几十年的发展,
SAR
成像技术逐渐成熟,高分辨率
SAR
图像的数据采集能力显著提高,为
SAR
图像的智能化应用奠定了基础
。SAR
目标识别是在特征空间中对图像进行分类,因此从图像中提取有效的特征是提高识别性能的关键
。
[0003]许多研究人员已经开始尝试使用卷积神经网络来处理
SAR
图像目标识别问题,并取得了理想的结果
。
尽管基于
CNN
的方法很容易获得令人满意的识别结果,但深度网络提取的特征往往是无法解释的,导致无法解释的问题有待解决
。
技术实现思路
[0004]为了克服在光学
SAR
图像的目标识别过程中深度网络提取的特征无法解释的问题,本专利技术提供了一种
...
【技术保护点】
【技术特征摘要】
1.
一种
SAR
图像目标识别方法,其特征在于,包括:获取不同类别的多张光学
SAR
图像,并将每张光学
SAR
图像转换为对应的张量;对每个张量进行张量高阶奇异值分解,确定每个张量对应的基矩阵;通过低秩近似计算任意两个基矩阵之间的距离度量,若所述距离度量小于预设值,则将两个基矩阵放入同一个预设子空间中,所述一个预设子空间对应一个光学
SAR
图像的类别;将同一个所述预设子空间中的基矩阵作为基矩阵集合,并将不同所述预设子空间对应的所述基矩阵集合作为训练集对深度神经网络进行训练,得到识别模型;通过识别模型对
SAR
图像进行目标识别
。2.
根据权利要求1所述的方法,其特征在于,所述对每个张量进行张量高阶奇异值分解,确定每个张量对应的基矩阵,公式如下:其中,
A
SAR
表示张量,第
v
个张量对应的基矩阵,表示线性组合系数,
K
表示张量的前
K
列,
×3表示模3乘积
。3.
根据权利要求2所述的方法,其特征在于,通过低秩近似计算任意两个基矩阵之间的距离度量,公式如下:其中,
F
表示距离度量,
U
k
和
V
k
分别是
U
和
V
的前
k
列,
U
和
V
表示任意两个基矩阵,
Σ
k
=
diag(
σ1,L,
σ
k
)
,
diag()
表示对角化算子,
σ1、L、
σ
k
均表示
k
个奇异值
。4.
根据权利要求1所述的方法,其特征在于,该方法还包括对识别模型的测试,包括:获取不同类别的多张测试图像,通过识别模型得到每张测试图像对应的识别结果;计算每个测试图像与对应的识别结果的平方范数;根据各个所述平方范数对识别模型进行评估
。5.
根据权利要求4所述的方法,其特征在于,计算每个测试图像与对应的识别结果的平方范数,公式如下:
μ
=
0,1,L,9.
其中,
R(
μ
)
表示平方范数,
D
表示测试图像对应的识别结果,表示第
v
个测试图像对应的张量的归一化值,
k
表示第
v
个张量的前
k
列,
μ
表示样本类别
。6.
根据权利要求1‑5任一项所述的方法,其特征在于,获取不同类别的多张光学
SAR
图像,并将每张光...
【专利技术属性】
技术研发人员:许淑芳,刘丹,王宁,姜晓轮,陈成增,邱祥风,
申请(专利权)人:平湖空间感知实验室科技有限公司,
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。