合成孔径雷达图像目标的卷积神经网识别框架

发布时间：2018-01-27 04:57

本文关键词： 合成孔径雷达目标识别卷积神经网反馈学习　出处：《计算机应用研究》2017年05期 　论文类型：期刊论文

【摘要】：针对合成孔径雷达(SAR)图像目标识别问题,在卷积神经网的基础上,提出了一种新的识别框架。该框架通过连接多个基本操作单元并以层次结构构造一个集特征提取和分类器训练于一体的端到端网络,同时利用深度网络的反向传播完成分类器对特征提取的反馈以改进特征的效果。在MSTAR公开数据集上,该网络框架分类十类目标达到了98.61%的精度,与其他方法相比,有效提高了SAR图像目标的识别精度。所提框架能有效分类SAR图像目标,具有良好的识别精度,且具备模块化结构,无须复杂预处理,实现简单。
[Abstract]:In order to solve the problem of target recognition in synthetic Aperture Radar (SAR) images, a convolutional neural network is proposed. In this paper, a new recognition framework is proposed, which connects several basic operation units and constructs an end-to-end network with feature extraction and classifier training. At the same time, the back propagation of the depth network is used to complete the feedback of the classifier to the feature extraction to improve the performance of the feature. On the MSTAR open data set. Compared with other methods, this network framework can effectively improve the accuracy of SAR image target recognition, and the proposed framework can effectively classify SAR image targets. It has good recognition accuracy, modular structure and simple realization without complicated preprocessing.
【作者单位】：解放军理工大学指挥信息系统学院;
【基金】：国家自然科学基金资助项目(61402519) 江苏省自然科学基金资助项目(BK20140071)
【分类号】：TN957.52;TP183
【正文快照】： 作来尽可能有效刻画SAR图像目标,但是这仍然无法保证目标0引言在所提取的特征空间中具有很好的可分性;同时,诸如AdaB oost当前,由于合成孔径雷达(synthetic aperture radar,SAR)获选择Haar特征的方式虽然一定程度上克服了人工设计特征的取侦查图像数据越来越多,导致人工解译的

【相似文献】