基于卷积神经网络的合成孔径雷达图像目标识别

摘要：

为了解决现有合成孔径雷达(SAR)图像目标识别算法识别率不高、泛化能力不足的问题,提出一种基于卷积神经网络的SAR图像目标识别模型CMNet网络.通过设计针对SAR图像特点的特征提取网络,在损失函数中引入中心损失与Softmax损失联合监督训练过程,兼顾类内聚合和类间分离,提高算法精度和泛化能力.网络模型中所有卷积层后引入批量归一化层加快模型收敛速度、防止过拟合.实验使用美国运动和静止目标获取与识别数据库进行测试,10类目标平均识别率达到99.30％.结果 表明,提出的CMNet网络模型具有较高的识别率和泛化能力,在公开数据集上取得较好结果.

关键词：合成孔径雷达、目标识别、卷积神经网络、中心损失、批量归一化

所属期刊栏目：19

分类号：TP391.41(计算技术、计算机技术)

资助基金：国家重点研发计划2017YFB0502700

在线出版日期：2019-11-01（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：228-232