基于CNN的SAR图像目标分类优化算法

• 作者: 刘晨 周强 曲长文 李智
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 卷积神经网络 ZCA白化 主成分分析(PCA) MSTAR数据
• 年，卷（期）: 2017,（4）
• 页码范围: 362-367
• 页数: 6页
• 分类号: TN957.5
• 字数: 3923字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2017.04.005

摘要

随着合成孔径雷达技术的成熟,传统方法已经难以满足海量SAR数据的分类精度和速度需求.为解决上述问题,采用卷积神经网络对海量SAR数据进行分类.针对SAR图像数据的特点,对卷积神经网络结构参数进行调整,提高网络训练速度,克服权重更新中的梯度消失,改善网络训练过程中收敛慢的问题,提升目标分类准确率.同时提出了一种ZCA白化与主成分分析相结合的方法对SAR图像进行预处理,进一步提升了网络的训练速度以及目标分类的准确率.实验采用的是美国MSTAR数据库,通过上述优化方法得到了较好的分类效果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	曲长文	海军航空工程学院电子信息工程系	198	1364	17.0	26.0
2	周强	海军航空工程学院科研部	48	261	9.0	13.0
3	刘晨	海军航空工程学院电子信息工程系	10	57	4.0	7.0
4	李智	海军航空工程学院电子信息工程系	10	56	4.0	7.0