主权项 |
一种基于深度置信网络的SAR图像目标识别方法,包括如下步骤:(1)获取待识别图像样本;(1a)从MSTAR数据集中任意获取已知类别标签的SAR图像作为训练样本集;(1b)从MSTAR数据集中任意获取不同于训练样本的已知类别标签的SAR图像作为测试样本集;(2)滤波:对训练样本集和测试样本集中每个样本进行中值滤波,得到滤波后的训练样本集和测试样本集;(3)提取特征:(3a)对滤波后的训练样本集及测试样本集中的每个样本x<sub>k</sub>,进行轮廓波变换,得到41个子带图像,将41个子带图像全部投影到水平、垂直和两个对角线方向,得到164个投影向量,将164个投影向量的均值和方差组成一个向量,作为样本x<sub>k</sub>的轮廓波特征向量;(3b)对样本x<sub>k</sub>进行归一化处理,得到图像<img file="FDA0000938630150000011.GIF" wi="74" he="69" />利用曲线波变换方法,提取图像<img file="FDA0000938630150000012.GIF" wi="51" he="69" />的低频子带系数,得到图像<img file="FDA0000938630150000013.GIF" wi="57" he="69" />的低频子带图像<img file="FDA0000938630150000014.GIF" wi="74" he="69" />采用形态学处理方法,去除图像<img file="FDA0000938630150000015.GIF" wi="51" he="68" />的背景冗余,将形态学处理后的图像拉伸成向量作为样本x<sub>k</sub>的曲线波特征向量;(3c)对样本x<sub>k</sub>下采样,得到32×32大小的图像<img file="FDA0000938630150000016.GIF" wi="75" he="70" />将图像<img file="FDA0000938630150000017.GIF" wi="54" he="68" />拉伸成1024维向量,得到样本x<sub>k</sub>的原始特征向量;(3d)将样本x<sub>k</sub>的原始特征向量、轮廓波特征向量与曲线波特征向量首尾连接,得到样本x<sub>k</sub>的特征向量A;(4)训练深度置信网络DBN:(4a)将滤波后训练样本集中所有样本x<sub>k</sub>的特征向量A输入三层高斯限制玻尔兹曼机GRBM中,对三层高斯限制玻尔兹曼机GRBM进行训练,得到并保存三层高斯限制玻尔兹曼机GRBM的第1层、第2层和第3层的输出向量;(4b)将第3层的输出向量输入到softmax分类器中,训练softmax分类器;(4c)利用反向传播方法,对整个深度置信网络DBN进行微调,得到训练好的深度置信网络DBN;(5)目标识别:将滤波后测试样本集中所有样本x<sub>k</sub>的特征向量A输入到训练好的深度置信网络DBN中进行识别,得到样本x<sub>k</sub>的识别标签y<sub>k</sub>。 |