申请/专利权人：南京航空航天大学

申请日：2021-03-23

公开（公告）日：2024-04-02

公开（公告）号：CN113065433B

主分类号：G06V20/10

分类号：G06V20/10;G06V10/44;G06V10/75;G06V10/764;G06V10/82;G06N3/0464;G06N3/08

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.07.20#实质审查的生效;2021.07.02#公开

摘要：本发明公开了一种基于稀疏复图像的SAR目标识别方法，包括如下步骤：构建全新的稀疏图像数据集；采用YOLO系列的深度学习算法，基于步骤S1构建的稀疏图像数据集训练神经网络；将待识别的SAR图像输入到步骤S2中训练好的神经网络，得到SAR图像中所有目标的类别概率及其对应所在的位置。本发明将稀疏重构算法与深度学习相结合，不仅可以降低系统计算复杂度，而且可以提升图像的质量，为目标识别任务提供更多有效的信息，实现对目标的快速准确识别。

主权项：1.一种基于稀疏复图像的SAR目标识别方法，其特征在于，包括如下步骤：S1：基础数据集为MSTAR数据集，构建全新的稀疏图像数据集；S2：采用YOLO系列的深度学习算法，基于步骤S1构建的稀疏图像数据集训练神经网络；S3：将待识别的SAR图像输入到步骤S2中训练好的神经网络，得到SAR图像中所有目标的类别概率及其对应所在的位置；所述步骤S1中稀疏图像数据集包括稀疏估计数据集和非稀疏估计数据集；所述步骤S1中基于复近似信息传递算法对SAR图像进行重构，构建全新的稀疏图像数据集，具体过程为：以第i+1步迭代为例，复近似信息传递算法的迭代过程可以表示为：A1：第i+1步观测场景的非稀疏估计为 其中，表示重建的观测场景的非稀疏估计，初始化数据矩阵W0＝XMF，XMF表示已知的基于匹配滤波方法重建的观测场景的SAR复图像数据，重建的观测场景的稀疏估计初始化为表示迭代步数；A2：第i+1步的迭代系数σi+1表示为 其中，表示幅度图像的第k+1个最大的元素值，k表示场景的稀疏度，即观测场景中非零元素的个数；A3：第i+1步的数据矩阵Wi+1为 其中，ηR和ηI分别表示复软阈值函数η的实部与虚部，和表示对ηR和ηI的部分梯度操作，表示针对输入元素的逐点的复软阈值运算，1·表示指示因子，符号angle·表示复数的相位，τ表示阈值参数；A4：第i+1步观测场景的稀疏估计为 A5：第i+1步的迭代误差表示为 当迭代误差满足条件Residual≤ε时，结束循环，分别输出场景的稀疏估计及非稀疏估计分别为 和 否则i＝i+1，继续执行步骤A1-A5中的循环过程，ε表示重建误差参数；利用重建得到的稀疏估计和非稀疏估计分别构建稀疏图像数据集和非稀疏图像数据集。

全文数据：

权利要求：

百度查询： 南京航空航天大学 一种基于稀疏复图像的SAR目标识别方法

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