10.3969/j.issn.1672-9870.2019.04.009
基于深度学习的SAR图像目标识别算法
合成孔径雷达(SAR)图像的解译具有重要的价值.针对传统的SAR目标识别算法需要人为设置分类特征,以及SAR图像所包含大量的相干噪声对图像解译造成影响,因此提出一种基于改进的卷积神经网络的SAR目标识别算法.首先利用布斯沃特滤波算法对图像进行了滤波处理,减少相干噪声;并改进传统卷积神经网络的结构,引入改进的线性修正单元作为激活函数,通过使用Dropout方法增强网络的泛化性,训练时采用Adam优化器更新模型参数.在实验中以公开的MSATR数据集进行目标识别检验,在三类目标(含变体)的实验测试中取得较好成果,综合识别准确率可达97.2%.
合成孔径雷达、卷积神经网络、目标识别
42
TP391.4(计算技术、计算机技术)
国家自然科学基金11671170
2019-10-30(万方平台首次上网日期,不代表论文的发表时间)
共4页
33-36