申请/专利权人：河北工业大学;西安电子科技大学杭州研究院

申请日：2023-12-19

公开（公告）日：2024-04-02

公开（公告）号：CN117805815A

主分类号：G01S13/90

分类号：G01S13/90;G01S7/41

优先权：

专利状态码：在审-公开

法律状态：2024.04.02#公开

摘要：本发明为一种基于复数域深度网络的SAR成像识别一体化方法，首先对现有SAR图像进行处理获取原始SAR回波数据，其次基于复数卷积神经网络构建目标识别模型，输入回波数据，利用目标识别模型进行目标识别，得到初步分类结果，并计算识别损失；然后，构建重构网络，重构网络的每个重构层均包括两次复数转置卷积运算；将目标识别模型提取的深层特征输入到重构网络中，得到重构图像；将现有SAR图像作为标签，计算重构损失；最后、对目标识别模型的特征提取网络进行训练，并根据识别损失和重构损失对特征提取网络进行优化，得到优化后的目标识别模型。该方法将图像重构作为辅助任务，利用辅助任务和分类任务共同指导网络训练，通过重构SAR图像在训练阶段引导网络学习，有效提升模型对于目标可分性特征的识别能力。

主权项：1.一种基于复数域深度网络的SAR成像识别一体化方法，其特征在于，该方法包括以下步骤：步骤一、对现有SAR图像进行处理获取原始SAR回波数据；步骤二、基于复数卷积神经网络构建目标识别模型，目标识别模型包括特征提取网络和位于特征提取网络之后的复数全连接层；特征提取网络包括依次连接的池化层和四个特征提取层，池化层包括一次复数卷积运算和一次池化操作，每个特征提取层均包括两次复数卷积运算，两次复数卷积运算后的结果再与输入相加，得到特征提取层的输出；将回波数据输入到特征提取网络中，提取深层特征；将深层特征输入到复数全连接层中，进行目标识别，得到初步分类结果；根据实际的类别标签和初步分类结果计算识别损失；步骤三、构建重构网络；重构网络包括五个重构层，每个重构层均包括两次复数转置卷积运算；将步骤二提取的深层特征输入到重构网络中进行图像重构，得到重构图像；将现在SAR图像作为标签，根据重构图像和SAR图像计算重构损失；步骤四、对特征提取网络进行训练，并根据识别损失和重构损失对特征提取网络进行参数优化更新，得到优化后的目标识别模型；将待识别的SAR图像回波数据输入到优化后的目标识别模型中，进行目标识别。

全文数据：

权利要求：

百度查询： 河北工业大学;西安电子科技大学杭州研究院 基于复数域深度网络的SAR成像识别一体化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD