《雷达学报杂志》发表论文赏析
作者:喻玲娟, 王亚东, 谢晓春, 林赟, 洪文
单位:①.江西理工大学信息工程学院 赣州 341000;②.中国科学院电子学研究所 北京 100190;③.赣南师范大学物理与电子信息学院 赣州 341000;
摘要:近年来,基于卷积神经网络(Convolutional Neural Network, CNN)的合成孔径雷达(Synthetic Aperture Radar, SAR)图像目标识别得到深入研究。全卷积神经网络(Fully Convolutional Neural Network, FCNN)是CNN结构上的改进,它比CNN能获得更高的识别率,但在训练过程中仍需要大量的带标签训练样本。该文提出一种基于FCNN和改进的卷积自编码器(Improved Convolutional Auto-Encoder, ICAE)的SAR图像目标识别方法,即先用ICAE无监督训练方式获得的编码器网络参数初始化FCNN的部分参数,后用带标签训练样本对FCNN进行训练。基于MSTAR数据集的十类目标分类实验结果表明,在不扩充带标签训练样本的情况下,该方法不仅能获得98.14%的平均正确识别率,而且具有较强的抗噪声能力。
关键词:合成孔径雷达, 自动目标识别, 全卷积神经网络, 卷积自编码器, 改进的卷积自编码器
基金资助:国家自然科学基金(61431018,61501210,61571421),江西省自然科学基金(20161BAB202054),江西省教育厅科技项目(GJJ150684,GJJ170825)
2018年5期其他文献查阅:
正弦调频Fourier-Bessel变换及其在微动目标特征提取中的应用