[发明专利]一种端到端的SAR图像识别方法、装置及存储介质

说明书

本发明公开了一种端到端的SAR图像识别方法、装置及存储介质，其利用生成对抗网络增强数据，提高SAR图像数据的丰富度，有利于之后的网络训练；还引入语义特征增强技术，通过编码‑译码结构来增强SAR深度特征的语义信息，提升SAR目标识别性能；同时构建一个完整性强的面向湾区大场景的端到端SAR图像目标识别模型，有助于湾区大场景合成孔径雷达目标识别模型从局部最优提升到全局最优，增加模型的稳定性和泛化能力，降低网络复杂性并提高目标识别准确率。

技术领域

本发明涉及图像识别技术领域，特别是一种端到端的SAR图像识别方法、装置及存储介质。

背景技术

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种分辨率极高的微波成像设备，采用脉冲压缩技术和合成孔径原理实现对地面场景的成像，在环境监测、资源勘查、测绘以及战场侦查等领域都发挥着重要作用。湾区的安全监测对SAR图像的应用需求不断增强，特别是在遥感航空飞机监测、船舰目标动态监视、溢油预警动态监测等方面。

传统机器学习方法应用于大场景SAR目标识别，包括数据处理、特征提取、分类与识别等任务步骤会使得各项步骤的结果相互依赖，但操作却相互分离，不利于模型性能的整体优化，因此高性能的湾区大场景SAR目标识别模型的构建问题亟待解决。

发明内容

本发明的目的在于至少解决现有技术中存在的技术问题之一，提供一种端到端的SAR图像识别方法、装置及存储介质，降低网络复杂性并提高目标识别准确率。

本发明解决其问题所采用的技术方案是：

本发明的第一方面提供了一种端到端的SAR图像识别方法，包括：

结合原始SAR图像和生成对抗网络生成的SAR图像虚拟样本构建SAR图像数据库；

将待测SAR图像依次通过经SAR图像数据库训练的深度视觉特征提取网络和语义特征增强网络，得到带表观特征的SAR特征图像；

将SAR特征图像通过区域候选框网络进行区域框定并筛选，得到带候选框区域特征的SAR区域特征图像；

将表观特征通过感兴趣区域特征编码和感兴趣区域池化的方法得到区域检测特征，并通过检测网络根据区域检测特征对待测SAR图像进行目标检测，得到SAR目标检测图像和返回检测框的补偿值；

将候选框区域特征通过感兴趣区域特征编码和感兴趣区域池化的方法得到区域识别特征，并通过识别网络根据区域识别特征对待测SAR图像进行判别损失以识别标签，得到标明标签属性的SAR目标识别图像。

进一步，所述结合原始SAR图像和生成对抗网络生成的SAR图像虚拟样本构建SAR图像数据库包括以下步骤：

对原始SAR图像进行电磁仿真处理以获得SAR电磁仿真图像；

构建生成对抗网络并通过生成对抗网络对原始SAR图像和SAR电磁仿真图像处理以获得SAR图像虚拟样本；

对原始SAR图像和SAR图像虚拟样本预处理得到SAR图像数据库。

进一步，所述经SAR图像数据库训练的深度视觉特征提取网络包括一个原始的基础深度神经网络和一个经SAR图像数据库训练的基础深度神经网络；所述将待测SAR图像依次通过经SAR图像数据库训练的深度视觉特征提取网络和语义特征增强网络，得到带表观特征的SAR特征图像，包括以下步骤：

利用待测SAR图像训练原始的基础深度神经网络，并将经SAR图像数据库训练的基础深度神经网络的数据迁移至经待测SAR图像训练的基础深度神经网络，得到初始化的深度视觉特征提取网络；

利用激活函数对初始化的深度视觉特征提取网络进行网络优化，使初始化的深度视觉特征提取网络输出特征输出图；