基于全卷积神经网络的SAR图像目标分类

来源：雷达科学与技术杂志2018年第3期北京时间：

作者：陈永生，喻玲娟，谢晓春

单位：1.江西理工大学信息工程学院，江西赣州 341000;2.赣南师范大学物理与电子信息学院，江西赣州 341000

摘要：近年来，卷积神经网络(Convolutional Neural Network，CNN)在合成孔径雷达(Synthetic Aperture Radar，SAR)图像目标分类中取得了较好的分类结果。CNN结构中，前面若干层由交替的卷积层、池化层堆叠而成，后面若干层为全连接层。全卷积神经网络（All Convolutional Neural Network, A-CNN）是对CNN结构的一种改进，其中池化层和全连接层都用卷积层代替，该结构已在计算机视觉领域被应用。针对公布的MSTAR数据集，提出了基于A-CNN的SAR图像目标分类方法，并与基于CNN的SAR图像分类方法进行对比。实验结果表明，基于A-CNN的SAR图像目标分类正确率要高于基于CNN的分类正确率。

关键词：卷积神经网络,全卷积神经网络,合成孔径雷达,目标分类,

基金资助：国家自然科学基金(No.61501210)；江西省自然科学基金(No.20161BAB202054)；江西省教育厅科技项目(No.GJJ150684)