[发明专利]一种海面舰船智能识别方法

权利要求书

1.一种海面舰船智能识别方法，其特征在于，包含以下步骤：

S1、获取待识别舰船的多源图像样本并进行规范化预处理；

S2、构建并训练多源图像舰船特征学习的DBN模型，并将其标记为DBN^opt和DBN^SAR；

S3、训练多源图像舰船特征融合学习的GRBM模型，并将其标记为GRBM^Fus；

S4、训练基于多源特征向量的ELM分类器，并将其标记为ELM^Fus；

S5、利用训练好的DBN^opt、DBN^SAR、GRBM^Fus模型和ELM^Fus分类器，进行海面舰船智能识别测试。

2.如权利要求1所述的一种海面舰船智能识别方法，其特征在于，所述的步骤S1中，进一步的包含以下步骤：

S11、获取待识别舰船可见光图像样本并进行规范化预处理；

S12、获取待识别舰船SAR图像样本并进行规范化预处理。

3.如权利要求2所述的一种海面舰船智能识别方法，其特征在于，所述的步骤S11中，进一步的包含以下步骤：

S111、基于航空遥感数据平台，人工采集多种类型的待识别舰船的可见光图像样本，每个图像样本是以所述待识别舰船为中心，尺寸为N×N像素的可见光图像切片；

S112、对每个所述可见光图像样本进行归一化，并对归一化后的图像进行舰船类型标记以及编号，从而形成规范化待识别舰船可见光图像样本库；

S113、从所述规范化待识别舰船可见光图像样本库中随机抽取60％～80％比例的样本作为待识别舰船的可见光图像训练样本集，将余下的样本作为待识别舰船的可见光图像测试样本集。

4.如权利要求3所述的一种海面舰船智能识别方法，其特征在于，所述的步骤S12中，进一步的包含以下步骤：

S121、基于SAR遥感数据平台或电磁仿真软件，获取多种类型的待识别舰船的SAR图像样本，每个图像样本是以所述待识别舰船为中心，尺寸为N×N像素的SAR图像切片，且观测方位与所述可见光图像切片相近；

S122、将每个所述SAR图像进行归一化，并对归一化后的图像进行舰船类型标记以及编号，从而形成规范化待识别舰船SAR图像样本库，按照观测方位的相似性，所述SAR图像样本库中样本编号与对应的可见光图像样本编号一致；

S123、从所述规范化待识别舰船SAR图像样本库中，抽取与步骤S113中抽取的样本编号相同的样本作为待识别舰船的SAR图像训练样本集，将余下的样本作为待识别舰船的SAR图像测试样本集。

5.如权利要求4所述的一种海面舰船智能识别方法，其特征在于，所述的步骤S2中，进一步的包含以下步骤：

S21、构建并训练可见光图像舰船特征学习的DBN模型；

S22、构建并训练SAR图像舰船特征学习的DBN模型。

6.如权利要求5所述的一种海面舰船智能识别方法，其特征在于，所述的步骤S21中，进一步的包含以下步骤：

S211、构建一个由5层GRBM组成的DBN模型；

S212、将所述每个待识别舰船的可见光图像训练样本扁平化为1维向量，输入到S211中所述5层GRBM组成的DBN模型中进行训练，保存此时所述DBN模型中各层GRBM的参数和各层GRBM的输出向量；

S213、将所述第5层GRBM的输出向量输入到设置好参数的Softmax分类器中，得到分类结果；

S214、基于所述Softmax的分类结果，利用反向传播方法对所述5层GRBM组成的DBN模型中的各层GRBM的参数进行调整；

S215、重复步骤S212～S214进行迭代，直至所述5层GRBM组成的DBN模型收敛，得到训练好的可见光图像舰船特征学习的DBN模型，标记为DBN^opt，固化保存DBN^opt中的5层GRBM的参数。