基于ICNN和IGAN的SAR目标识别方法

• 作者: 仓明杰 喻玲娟 谢晓春
• 来源期刊: 雷达科学与技术
• 学科: 工学
• 关键词: 卷积神经网络 生成对抗网络 合成孔径雷达 目标识别
• 年，卷（期）: 2020,（3）
• 页码范围: 287-294
• 页数: 8页
• 分类号: TN957.5
• 字数: 3539字
• 语种: 中文
• DOI: 10.3969/j.issn.1672-2337.2020.03.009

摘要

近年来,卷积神经网络(CNN)已广泛应用于合成孔径雷达(SAR)目标识别.由于SAR目标的训练数据集通常较小,基于CNN的SAR图像目标识别容易产生过拟合问题.生成对抗网络(GAN)是一种无监督训练网络,通过生成器和鉴别器两者之间的博弈,使生成的图像难以被鉴别器鉴别出真假.本文提出一种基于改进的卷积神经网络(ICNN)和改进的生成对抗网络(IGAN)的SAR目标识别方法,即先用训练样本对IGAN进行无监督预训练,再用训练好的IGAN鉴别器参数初始化ICNN,然后用训练样本对ICNN微调,最后用训练好的ICNN对测试样本进行分类.MSTAR实验结果表明,提出的方法不仅能够在训练样本数降至原样本数30％的情况下获得高达96.37％的识别率,而且该方法比直接采用ICNN的方法具有更强的抗噪声能力.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	谢晓春	赣南师范大学物理与电子信息学院	23	338	5.0	18.0
2	喻玲娟	江西理工大学信息工程学院	8	28	3.0	5.0
3	仓明杰	江西理工大学信息工程学院	1	0	0.0	0.0