基于贝叶斯卷积神经网络与数据增强的SAR图像目标分类方法

• 作者: 涂豫
• 来源期刊: 探测与控制学报
• 关键词: 合成孔径雷达 目标分类 贝叶斯卷积神经网络 数据增强
• 年，卷（期）: 2020,（6）
• 页码范围: 43-48
• 页数: 6页
• 分类号: TN957
• 语种: 中文

摘要

针对合成孔径雷达(SAR)图像目标分类中扩展操作条件的重难点问题,提出了基于贝叶斯卷积神经网络与数据增强的SAR图像目标分类方法.该方法采用贝叶斯卷积神经网络获得更为可靠的分类网络,通过数据增强可为网络训练提供更为充足的样本数据,覆盖噪声干扰及部分遮挡等情形.实验结果表明,该方法在标准操作条件、噪声干扰及部分遮挡条件下,相比现有几类方法具有更强的有效性和稳健性.