基于CNN的SAR图像目标和场景分类算法

• 作者: 崔先亮 武鸿 贾智伟 郭正华 陈立福
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 卷积神经网络 深度学习 合成孔径雷达 误差反向传播
• 年，卷（期）: 2018,（6）
• 页码范围: 627-632
• 页数: 6页
• 分类号: TN958|TP183|TP751
• 字数: 3929字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2018.06.008

摘要

随着合成孔径雷达(Synthetic Aperture Radar,SAR)成像技术的发展和SAR图像数据的急剧增加,SAR图像解译技术成为了当前的研究热点.针对SAR图像的目标和场景分类问题,提出了一种改进的基于卷积神经网络的图像分类算法.为克服卷积神经网络训练过程中因数据量不足而出现的过拟合问题,采用数据增强人工增加训练样本的大小;针对高层卷积层参数过多的问题,采用一种多尺度卷积模块替代高层的卷积层;在输出层采用卷积和全局均值池化的组合替代传统的全连接层,大幅度减少了网络参数.网络训练阶段,通过误差反向传播来更新网络参数.针对MSTAR数据集和高分辨率的机载SAR图像分别进行目标及场景分类,实验结果表明该算法实现了较好的分类性能.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈立福	长沙理工大学电气与信息工程学院	34	86	6.0	7.0
2	贾智伟	长沙理工大学电气与信息工程学院	10	17	3.0	4.0
3	武鸿	长沙理工大学电气与信息工程学院	4	8	1.0	2.0
4	郭正华	长沙理工大学电气与信息工程学院	3	7	1.0	2.0
5	崔先亮	长沙理工大学电气与信息工程学院	4	8	1.0	2.0