基于数据扩维的SAR目标识别性能提升技术

卷积神经网络的出现使得深度学习在视觉领域取得了巨大的成功,并逐渐延伸到合成孔径雷达(SAR)图像识别领域.然而,SAR图像样本量不足,难以支撑卷积神经网络的训练需求,并且SAR图像包含大量相干斑噪声及不确定性,网络结构的设计较为困难.所以,深度学习在SAR图像识别领域的应用受到阻碍.针对上述问题,文中提出一种基于数据扩维的SAR目标识别性能提升方法,通过对原始SAR图像进行相关预处理操作并把处理后图像与原始图像结合,从而将一维的原始数据扩充成多维数据来作为训练样本.该扩维方法不仅间接扩充了样本量来支撑网络训练,同时也在网络训练前加入了“主动学习”影响,所以无需针对SAR图像特性来构建复杂卷积网络,而采用成熟、简单的网络进行训练就可以达到理想的测试精度.最后,使用MSTAR数据对该方法进行了性能验证,实验结果显示了所提方法的有效性.