[发明专利]基于CNN的SAR目标识别方法

摘要

本发明公开了一种基于CNN的SAR目标识别方法，其实现步骤为1.对每个训练图像中的待识别目标进行多次随机平移变换，得到新样本，并对这些新样本标上原始图像的标签扩充入训练样本中；2.在caffe架构中构建卷积神经网络CNN结构；3.将扩充后的训练样本输入到CNN中进行训练得到训练好的网络模型；4.对测试样本进行多次平移扩充，得到扩充后的测试样本；5.将扩充后的测试样本输入到训练好的CNN网络模型中测试，得到其识别率。本发明对处于样本图像任意位置的待识别目标均具有高的识别率和稳定的性能，解决了现有SAR目标识别方法受样本图像中待识别目标所处位置影响大的问题。

主权项

一种基于CNN的SAR目标识别方法，包括：(1)SAR图像样本获取步骤：从MSTAR数据集中获取698幅SAR图像和相应的类别标签作为训练样本，获取1365幅SAR图像和相应的类别标签作为测试样本，每幅SAR图像的待识别目标区域均在图像正中心位置；(2)样本训练步骤：(2A)对训练样本中每个SAR图像的待识别目标区域进行多次的随机平移，每次平移产生一个新的训练样本图像；在新的训练样本图像上标记与原始训练样本图像相同的类别标签，得到扩充后的训练样本；(2B)构建基于caffe架构的卷积神经网络CNN的网络结构，该CNN网络结构由两层卷积层和两层全连接层构成；(2C)将扩充后的训练样本输入到CNN网络模型中进行训练，得到训练好的CNN网络模型；(3)样本测试步骤：(3A)对测试样本中每个SAR图像的待识别目标区域进行多次随机平移，每次平移后产生一个新的测试样本图像；在新的测试样本图像上标记与原始测试样本图像相同的类别标签，得到扩充后的测试样本；(3B)将扩充后的测试样本输入到训练好的CNN网络模型中得到特征向量，再将特征向量输入到一个softmax分类器进行分类，根据测试样本的类别标签与分类器的输出结果得出网络识别率。