圖像識別技術(shù)是當(dāng)前研究的重點,有助于輔助理解人工智能基礎(chǔ)技術(shù)。其中,合成孔徑雷達(dá)（Synthetic Aperture Radar,SAR）圖像廣泛應(yīng)用于城市監(jiān)測、自然環(huán)境調(diào)查、軍事目標(biāo)偵察等各個領(lǐng)域。根據(jù)合成孔徑雷達(dá)圖像的成像特點,目前,基于SAR目標(biāo)識別識別方法主要存在以下幾個難點。一是有效的模型設(shè)計,體現(xiàn)在目標(biāo)函數(shù)和代價函數(shù)的設(shè)計、超高維參數(shù)優(yōu)化;二是模型泛化性能評估,如樣本不足導(dǎo)致的模型過擬合問題以及整體模型的泛化能力;三是針對小樣本問題,強(qiáng)判別能力特征的獲取,原生特征的研究以及小樣本數(shù)據(jù)下對模型性能的評估。本文引入小樣本遷移學(xué)習(xí),結(jié)合深度學(xué)習(xí)框架,針對小樣本SAR目標(biāo)識別任務(wù),展開研究。主要研究問題概括如下:（1）基于訓(xùn)練數(shù)據(jù)不足引起的過擬合和小樣本問題,本文結(jié)合深度學(xué)習(xí)方法,研究并提出數(shù)據(jù)擴(kuò)增技術(shù)的輕量級合成孔徑雷達(dá)圖像識別方法。該方法提出的數(shù)據(jù)擴(kuò)增技術(shù),采用質(zhì)心法獲取SAR圖像感興趣區(qū)域（Region of Interest,ROI）,通過逐度（Clock-wise）旋轉(zhuǎn)技術(shù)滿足深度學(xué)習(xí)樣本訓(xùn)練要求,避免網(wǎng)絡(luò)訓(xùn)練過程中過度擬合問題,并克服SAR圖像數(shù)據(jù)不足的缺點;同時,本... 

【文章來源】：五邑大學(xué)廣東省

【文章頁數(shù)】：78 頁

【學(xué)位級別】：碩士

【部分圖文】：

小樣本問題輕量級SARNet框架

五邑大學(xué)碩士學(xué)位論文3基于輕量級SARNet小樣本目標(biāo)識別17圖3-3圖像變換過程2222"tan()"tan""yxyxxyxy+==+=+(3-4)通過數(shù)學(xué)變換，方程可以簡化為"cos(sin)"sincosxxyyxy=+=+(3-5)注意，仿射變換矩陣可以表示為cossinsincosA=(3-6)為避免合成孔徑雷達(dá)目標(biāo)圖像信息不足的問題，將增加一個偏移量，即000000"()cos()(sin)"()sin()(cos)xxxyyxxyxxyyyy=+++=+++(3-7)通過反向映射，用x，y代替x"，y"后(3-7)方程為000000((")cos(")(sin)/(()(sin)(")(cos)/xxxxyyyscalexyxxxyyyscaley=++=++(3-8)

五邑大學(xué)碩士學(xué)位論文3基于輕量級SARNet小樣本目標(biāo)識別18a)0°c)45°e)90°g)135°h)180°i)225°k)270°l)315°d)60°f)120°j)240°b)20°圖3-4預(yù)處理SAR圖像對于MSTAR數(shù)據(jù)庫，對訓(xùn)練樣本進(jìn)行Clock-wise數(shù)據(jù)擴(kuò)增處理。擴(kuò)展數(shù)據(jù)庫的數(shù)據(jù)量是原MSTAR數(shù)據(jù)庫360倍，其部分圖像如圖3-4所示。3.4性能評估3.4.1數(shù)據(jù)庫配置和參數(shù)初始化為充分研究SAR目標(biāo)圖像分類性能，利用MSTAR數(shù)據(jù)集對模型進(jìn)行評估測試。數(shù)據(jù)配置中訓(xùn)練樣本包含T72_132、BMP2_c2、BTR70_c71，總數(shù)據(jù)集是698張圖像，測試數(shù)據(jù)包含T72，BMP2和BTR70的所有子類，如表3-2所示。其中，T72、BMP2等表示物體父類標(biāo)簽，序列號132，c2等表示對應(yīng)類別下的子標(biāo)簽。整個訓(xùn)練數(shù)據(jù)集，隨機(jī)選取75%用于訓(xùn)練，25%用于驗證。光學(xué)圖像如圖3-5所示，SAR圖像如圖3-6所示。擴(kuò)增MSTAR數(shù)據(jù)集包含254770張圖像，內(nèi)存大小1.01G，如表3-3所示，圖像尺寸為6464。選擇Squash圖像壓縮方式作為調(diào)整大小的轉(zhuǎn)換，選擇IMDB作為網(wǎng)絡(luò)輸入。測試數(shù)據(jù)庫中沒有數(shù)據(jù)庫壓縮。a)T72_132b)BMP2_c2c)BTR70_c71圖3-5光學(xué)目標(biāo)圖像


本文編號：2990808