[发明专利]基于混合推理网络的小样本SAR自动目标识别方法

权利要求书

1.基于混合推理网络的小样本SAR自动目标识别方法，其特征在于，包括以下步骤：

步骤1，获取训练样本集和待识别小样本SAR图像集；从训练样本集中按类别选取C×m幅SAR图像作为训练支撑集，剩余的C(H-m)幅SAR图像组成训练查询集；同样，将待识别小样本SAR图像集划分为带标签的支撑集和待识别的查询集；

其中，待识别小样本SAR图像集中的目标类别与训练样本集中的目标类别不同；C为待训练的目标总类别数，m为训练支撑集中每个目标类别的SAR图像数目，H为训练样本集中每类目标对应的SAR图像总数量；每次训练需要从训练样本集中重新进行随机样本选择，并将选择的样本划分为训练支撑集和训练查询集；

步骤2，构建混合推理网络，所述混合推理网络包含依次连接的嵌入网络和基于混合推理的分类器；

步骤3，采用训练支撑集和训练查询集对所述混合推理网络进行训练，得到训练好的混合推理网络；

步骤4，将带标签的支撑集和待识别的查询集中的每幅SAR图像输入训练好的混合推理网络，得到待识别的查询集内的目标类别。

2.根据权利要求1所述的基于混合推理网络的小样本SAR自动目标识别方法，其特征在于，所述嵌入网络由多个卷积模块组成，每个卷积模块包含依次连接的卷积层、ReLU激活层、批规范化层、最大池化层；

所述基于混合推理的分类器包含相互并列的基于欧几里得距离分类器的归纳推理和基于标签传播的转导推理，所述嵌入网络分别与基于欧几里得距离分类器的归纳推理和基于标签传播的转导推理连接。

3.根据权利要求2所述的基于混合推理网络的小样本SAR自动目标识别方法，其特征在于，所述基于欧几里得距离分类器的归纳推理包含原型模块，所述基于标签传播的转导推理包含图构造网络，所述图构造网络包含依次连接的多个卷积模块、平铺拉伸层和两个全连接层。

4.根据权利要求1所述的基于混合推理网络的小样本SAR自动目标识别方法，其特征在于，所述采用训练支撑集和训练查询集对所述混合推理网络进行训练，具体步骤为：

(3a)设置迭代次数为t，最大迭代次数为T，T≥1000，并令t＝0；

(3b)将训练支撑集和训练查询集中的每张SAR图像作为混合推理网络的输入进行映射，将SAR图像从原始空间映射到新的特征空间f_φ，得到C×H个维数为L的嵌入向量φ表示网络中的可学习参数；

(3c)通过基于欧几里得距离分类器的归纳推理对训练查询集中的SAR图像进行类别预测，得到对应的预测标签；

(3d)通过基于标签传播的转导推理对训练查询集中SAR图像进行类别预测，得到对应的预测标签；

(3e)将归纳推理和转导推理相结合，对训练查询集中的SAR图像进行混合推理，得到对应的预测标签；

(3f)采用增强混合损失函数L_eh(θ)，并通过随机梯度下降算法，对混合推理网络的权值参数进行更新，得到更新后的混合推理网络；增强混合损失函数表达式为：

L_eh(θ)＝L_E(θ)+L_lp(θ)+L_h(θ)

其中，θ表示混合推理网络的权值参数，L_E(θ)、L_lp(θ)和L_h(θ)分别为采用归纳推理、转导推理和混合推理时的交叉熵损失函数；

(3g)判断t＝T是否成立，若是，则步骤(3f)更新后的混合推理网络即为训练好的混合推理网络，否则，令t＝t+1，返回执行步骤(3c)。