多尺度分解结合卷积神经网络的SAR图像识别

摘要：

针对合成孔径雷达(SAR)图像由于相干斑的影响而导致的识别率低,耗时长等问题,提出一种基于多尺度分解和卷积神经网络的SAR图像识别方法.首先将输入的图像进行数据增强,并利用非下采样轮廓波变换(NSCT)进行尺度分解,获得图像的高低频特征分量;然后将原图像、高频分量和低频分量空间连结,输入进网络进行训练、识别.以RELU为激活函数,交叉熵函数为损失函数,SoftMax为分类器,并使用TensorFlow框架进行训练.实验结果表明,提出算法的识别率高于其他几种典型算法,在MSTAR数据库上的识别率达到了93.3％;同时,在五级椒盐噪声的影响下,识别率仅下降0.5％,鲁棒性远高于其他几种算法.

关键词：图像识别、卷积神经网络、非下采样轮廓波、合成孔径雷达

所属期刊栏目：48

分类号：TN95;TP31

资助基金：国家自然科学基金青年项目201706096;江苏省自然科学基金青年项目BK20160162

在线出版日期：2019-05-17（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：1-6