[发明专利]多模态特性融合的智能目标识别方法

权利要求书

1.一种多模态特性融合的智能目标识别方法，其特征在于，包括：

获取待识别空中目标的多模态特征数据样本；其中，所述多模态特征数据样本包括高分辨率距离像样本和红外图像样本；

构建并训练高分辨率距离像、红外图像空中目标特征学习的异构深度学习网络；

训练高分辨率距离像、红外图像空中目标特征融合学习的高斯分布受限玻尔兹曼机；

训练基于高分辨率距离像、红外图像深度融合特征的核极限学习机分类器。

2.如权利要求1所述的多模态特性融合的智能目标识别方法，其特征在于，所述获取待识别空中目标多模态特性数据样本，具体包括：

获取待识别空中目标的高分辨率距离像样本，并对其进行规范化预处理；和/或

获取待识别空中目标的红外图像样本，并对其进行规范化预处理。

3.如权利要求2所述的多模态特性融合的智能目标识别方法，其特征在于，所述获取待识别空中目标的高分辨率距离像样本，并对其进行规范化预处理，具体包括：

获取待识别空中目标的高分辨率距离像样本集，每个高分辨率距离像样本以待识别空中目标为中心，尺寸为1×N数组；

对于每个高分辨率距离像样本，首先采用2-范数归一化方法消除散射幅度敏感性，再采用质心对齐方法消除高分辨率距离像的平移敏感性，得到幅度、位置归一化的高分辨率距离像样本，k为样本编号；

设定宽度为d的一维滑窗，滑动步长为d_s，通过滑窗方式对幅度、位置归一化的高分辨率距离像样本进行截取，生成一组时间维度为T，每个时刻下数据维度为d的序列数据，记为：X_k＝[x₁,x₂,...,x_T]，其中，k为样本编号，第i个时刻的序列值为

对空中目标高分辨率距离像样本集中的每个高分辨率距离像样本进行幅度、位置归一化，序列化抽取预处理，形成规范化的高分辨率距离像时间序列数据集；从该数据集中随机抽取p％比例的样本作为训练样本集，p∈[50,80]的整数，将余下的样本作为测试样本集。

4.如权利要求2所述的多模态特性融合的智能目标识别方法，其特征在于，所述获取待识别空中目标的红外图像样本，并对其进行规范化预处理，具体包括：

获取待识别空中目标红外图像样本，每个图像样本是以目标为中心，尺寸为M×M像素的红外图像切片，且观测方位与高分辨率距离像样本相同；对每个红外图像样本按照式(1)进行幅度归一化，并对其进行目标类型标记，从而形成规范化待识别空中目标红外图像样本库；

式中，表示编号为k的原始红外图像样本；A_k为对幅度归一化后的图像样本；μ_k为所有像素值的均值，为所有像素值的方差；该数据库中样本序号编目，按照观测方位相似性与对应高分辨率距离像样本序号一致；

从待识别空中目标红外图像样本库中，抽取与高分辨率距离像训练样本编号相同的样本作为训练样本集，将余下的样本作为测试样本集。

5.如权利要求1所述的多模态特性融合的智能目标识别方法，其特征在于，所述构建并训练高分辨率距离像、红外图像空中目标特征学习的异构深度学习网络，具体包括：

构建并训练高分辨率距离像空中目标特征学习的注意力双向门控循环单元模型；

构建并训练红外图像空中目标特征学习的卷积神经网络模型。