基于分块CNN的多尺度SAR图像目标分类算法

• 作者: 刘晨 周强 曲长文 李健伟 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 迁移学习 多尺度SAR图像 目标分类
• 年，卷（期）: 2018,（2）
• 页码范围: 169-173,180
• 页数: 6页
• 分类号: TN957.5
• 字数: 2801字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2018.02.009

摘要

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标分辨率差异大,多尺度SAR图像目标分类准确率不高的问题,提出了一种基于迁移学习和分块卷积神经网络(Convolutional Neural Network,CNN)的SAR图像目标分类算法.首先通过大量与目标域相近的源域数据对分块CNN的参数进行训练,得到不同尺度下的CNN特征提取网络;其次将CNN的卷积和池化层迁移到新的网络结构中,实现目标特征的提取;最后用超限学习机(Extreme Learning Machine,ELM)网络对提取的特征进行分类.实验数据采用美国MSTAR数据库以及多尺度SAR图像舰船目标数据集,实验结果表明,该方法对多尺度SAR图像的分类效果优于传统CNN.

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	海军航空大学电子信息工程系	198	1364	17.0	26.0
2	周强	海军航空大学科研部	48	261	9.0	13.0
3	刘晨	海军航空大学电子信息工程系	10	57	4.0	7.0
4	李智	海军航空大学电子信息工程系	10	56	4.0	7.0
5	李健伟	海军航空大学电子信息工程系	15	65	4.0	7.0