[发明专利]基于仿真数据的跨域自适应SAR图像分类方法、装置及设备

说明书

本申请涉及一种基于仿真数据的跨域自适应SAR图像分类方法、装置及设备。通过将SAR成像条件引入模型的训练过程中，并根据成像条件分别利用源域仿真图像和目标域仿真图像计算两个域之间的域混淆度量并以此对模型进行训练以减小源域和目标域之间的域差异，同时，还采用源域实测图像对模型进行训练使得模型具备分类识别的功能，最终训练得到的目标分类模型能够较好的对与源域成像条件不同的目标域SAR图像中的目标进行识别，且对其进行分类时具有较高的准确度。

技术领域

本申请涉及SAR图像分类技术领域，特别是涉及一种基于仿真数据的跨域 自适应SAR图像分类方法、装置及设备。

背景技术

SAR(Synthetic Aperture Radar)，即合成孔径雷达，是一种主动式的对地观 测系统，可安装在飞机、卫星、宇宙飞船等飞行平台上，全天时、全天候对地 实施观测、并具有一定的地表穿透能力。因此，SAR系统在灾害监测、环境监 测、海洋监测、资源勘查、农作物估产、测绘和军事等方面的应用上具有独特 的优势，可发挥其他遥感手段难以发挥的作用。

而SAR图像成像时对成像条件非常敏感。然而，SAR图像自动目标识别中 采用的深度学习模型大多是基于处理光学图像分类任务的增强网络结构，这显 然是不合理的，因为有时候训练模型的数据与进行测试模型数据之间存在着巨 大的差别，也就是说，进行训练时采用的图像数据其成像条件与测试时图像数 据的成像条件是不相同的，这样会导致模型在进行实际运用时并不能很好的识 别图像中的目标。

发明内容

基于此，有必要针对上述技术问题，提供一种能够将SAR图像成像条件引 入模型训练过程的基于仿真数据的跨域自适应SAR图像分类方法、装置及设备。

一种基于仿真数据的跨域自适应SAR图像分类方法，所述方法包括：

获取源域图像成像条件以及目标域图像成像条件；

根据所述源域图像成像条件相应获取实测SAR源域图像数据，并根据所述 源域图像成像条件仿真得到仿真SAR源域图像数据，根据所述目标域图像成像 条件仿真得到仿真SAR目标域图像数据；

将所述实测SAR源域图像数据、仿真SAR源域图像数据以及仿真SAR目 标域图像数据输入目标分类模型对其进行迭代训练得到训练后的目标分类模型； 在训练的过程中，利用所述实测SAR源域图像数据进行监督分类训练，利用所 述仿真SAR源域图像数据以及仿真SAR目标域图像数据进行无监督域适配训练；

获取目标域的实测SAR图像，将所述实测SAR图像输入已训练的目标分类 模型对所述实测SAR图像中的目标类别进行分类。

在其中一实施例中，所述实测SAR源域图像数据、仿真SAR源域图像数据 以及仿真SAR目标域图像数据均为同一种目标，但类别不同的图像数据。

在其中一实施例中，根据SAR图像其中一个成像条件确定所述源域图像成 像条件以及目标域图像成像条件。

在其中一实施例中，根据SAR图像成像时俯仰角度这一成像条件，确定所 述源域图像成像条件以第一俯仰角度进行成像，所述目标域图像成像条件为以 第二俯仰角度进行成像，且所述第一俯仰角度与第二俯仰角度不相等。

在其中一实施例中，所述目标分类模型为包括依次连接的4个卷积层以及2 个全连接层的卷积神经网络，其中2个所述全连接层依次分为第一全连接层以 及第二全连接层。

在其中一实施例中，在利用所述实测SAR源域图像数据进行监督分类训练 时：

根据所述第二全连接层对所述实测SAR源域图像数据提取的特征计算交叉 熵损失函数，并根据该函数对目标分类模型的参数进行调整。

在其中一实施例中，在利用所述仿真SAR源域图像数据以及仿真SAR目标 域图像数据进行无监督域适配训练时：