[发明专利]一种基于复数卷积网络的SAR图像目标识别方法

权利要求书

1.一种基于复数卷积网络的SAR图像目标识别方法，其特征在于，包括：

输入图像：将多幅复数图像及其对应的类别标签输入到训练集中，将与训练集中不同的多幅复数图像输入到测试集中；

获取训练样本和测试样本：将训练集中复数图像的实部和虚部对应分开保存，得到实部训练样本和虚部训练样本；将测试集中复数图像的实部和虚部对应分开保存，得到实部测试样本和虚部测试样本；

构建复数卷积网络：采用双层复数卷积层、复数批归一化层和全链接层，双层复数卷积层包含两个复数卷积层，每个复数卷积层包含复数卷积、复数批归一化和CReLU激活函数，复数批归一化层包含复数批归一化和CReLU激活函数；

训练复数卷积网络：初始化复数卷积网络，设定复数卷积网络中所有出现的复数参数为W，将实部训练样本和虚部训练样本输入两个复数卷积层，经过复数批归一化和CReLU激活函数，使用300维的全链接层，输出初始化类别标签，将训练集中的复数图像的类别标签与初始化类别标签对比，采用批量随机梯度下降法，将复数卷积网络的参数迭代更新3000次，得到更新的复数卷积网络；

测试复数卷积网络：将实部测试样本和虚部测试样本输入更新的复数卷积网络，使用300维的全链接层，得到测试集中复数图像的类别标签。

2.根据权利要求1所述的基于复数卷积网络的SAR图像目标识别方法，其特征在于，所述复数参数为W，包括：使用参数为σ的瑞利分布，初始化复数参数W的模值，设定输入样本数N_in、输出样本数N_out，使用-π到π之间的均匀分布，初始化参数W的相位。

3.根据权利要求1所述的基于复数卷积网络的SAR图像目标识别方法，其特征在于，所述复数卷积，包括：卷积核为1×3维的复数。

4.根据权利要求1所述的基于复数卷积网络的SAR图像目标识别方法，其特征在于，所述复数批归一化，包括：采用公式表示，其中BN(·)表示复数批归一化操作，表示复数数据，表示尺度系数，采用2×2的半正定矩阵，β表示偏置，采用两个学习度的复参数。

5.根据权利要求1所述的基于复数卷积网络的SAR图像目标识别方法，其特征在于，所述CReLU激活函数，包括：采用公式表示，其中CReLU(·)表示CReLU激活函数，z表示复数，ReLU(·)表示ReLU函数，表示复数z的实部，i表示虚数单位，表示复数z的虚部。