基于胶囊神经网络的合成孔径雷达图像分类方法

摘要：

针对合成孔径雷达(synthetic aperture radar,SAR)图像的目标分类,传统的卷积神经网络(convolutional neural net-work,CNN)需要大量的数据样本进行训练,无法在小样本条件下进行,其应用受到限制.提出将胶囊神经网络(capsule net-work,Capsnet)算法用于SAR雷达图像的分类,针对小样本SAR数据集对Capsnet结构进行轻量化设计,并在MSTAR数据集上验证了该算法的有效性.结果表明,与CNN相比,基于Capsnet的SAR目标分类抗过拟合性强,泛化效果较好,具有更高的准确性,能够很好地实现SAR图像样本的分类.

关键词：合成孔径雷达、卷积神经网络、胶囊神经网络、分类

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：国家自然科学基金61631019,61701128, 61871425;广西自然科学基金2017GXNSFBA198032;中国博士后科学基金2017M623298XB

在线出版日期：2019-12-05（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：203-207