基于特征融合与增量分类器和表示学习的SAR目标增量识别方法技术

本发明专利技术公开了一种基于特征融合与增量分类器和表示学习(Incremental Classifier and Representation Learning,iCaRL)的SAR目标增量识别方法，包括，S1、利用基类SAR数据进行基类训练；S2、利用新类SAR数据进行增量训练；S3、将待测试SAR图像输入完成训练的网络中，得到分类预测结果。本发明专利技术将SAR图像的深度学习抽象特征和其方向梯度直方图(Histogram of Oriented Gradients,HOG)特征这一传统手工进行自适应融合，利用增量分类器和表示学习(Incremental Classifier and Representation Learning,iCaRL)这一增量学习方法进行SAR目标增量识别，并在增量训练过程中采用参数冻结策略，缓解了增量学习过程中的灾难性遗忘问题，提高了SAR目标增量识别的准确率。

【技术实现步骤摘要】

本专利技术属于图像自动识别领域，主要涉及提高sar目标增量识别准确率与缓解增量识别过程中的灾难性遗忘问题。

技术介绍

1、合成孔径雷达(synthetic aperture radar,sar)具有诸多优点，如穿透能力强、能全天时全天候获取高分辨率图像、搭载平台丰富等，在军事和民用领域，sar已经得到广泛应用。标准的sar自动目标识别技术中，分类是对目标所属类型进行判定，是sar图像解译的重要阶段。由于sar的散射成像机制，sar图像存在几何畸变和散斑噪声，对其分析十分困难。sar图像目标识别的方法不断发展，基于模板的方法、基于模型的方法和基于机器学习的方法相继出现。近年来，随着计算机计算能力的提升，深度学习理论迅速发展，基于深度学习的sar目标识别算法也越来越成熟。

2、从场景上来说，传统的目标识别算法都应用在使用全部数据进行一次性训练的传统场景，难以应用在不同类别样本数据逐渐增加的增量场景，不能使网络具备面对不断增加的样本数据时进行持续学习的能力。在如今这个信息爆炸的时代，数据的数量随时间逐渐增多，识别网络需要分辨sar目标的种类很可能随时本文档来自技高网...

【技术保护点】

1.一种基于特征融合与增量分类器和表示学习(Incremental Classifier andRepresentation Learning,iCaRL)的SAR目标增量识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于特征融合与增量分类器和表示学习的SAR目标增量识别方法，其特征在于，S1具体包括：

3.根据权利要求2所述的一种基于特征融合与增量分类器和表示学习的SAR目标增量识别方法，其特征在于，所使用的神经网络结构如下：

4.根据权利要求2所述的一种基于特征融合与增量分类器和表示学习的SAR目标增量识别方法，其特征在于，对SAR图像...

【技术特征摘要】

1.一种基于特征融合与增量分类器和表示学习(incremental classifier andrepresentation learning,icarl)的sar目标增量识别方法，其特征在于，包括：

2.根据权利要求1所述的一种基于特征融合与增量分类器和表示学习的sar目标增量识别方法，其特征在于，s1具体包括：

3.根据权利要求2所述的一种基于特征融合与增量分类器和表示学习的sar目标增量识别方法，其特征在于，...

【专利技术属性】
技术研发人员：高飞，马巍孺，何晓雨，王俊，孙进平，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：