【技术实现步骤摘要】
本专利技术属于雷达目标识别，尤其涉及一种基于复数域深度网络的sar成像识别一体化方法。
技术介绍
1、近年来，雷达成像技术得到了突飞猛进的发展，已经在军事、农林、地质、海洋、灾害、绘测等诸多方面得到广泛应用。合成孔径雷达(sar)是一种利用微波进行感知的主动传感器，与红外、光学等其他类型传感器相比，sar成像不受光照、天气等条件的限制，可以对感兴趣的目标进行全天候、全天时的观测，因而sar已经成为目前对地观测和军事侦察的重要手段，而基于sar成像算法及目标识别也受到越来越广泛的关注。
2、然而，尽管雷达成像技术的发展已经取得了显著的成果，但在实际应用中仍然存在一些挑战和限制。在传统的sar图像解译方法中，通常将成像和识别任务视为两个独立的步骤，首先使用成像技术获取图像，然后使用独立的识别网络对图像进行分类或目标检测。由于无法利用成像和识别之间的关联性，这种分步骤的处理方式可能导致信息的丢失和性能的下降。
3、此外，由于sar系统通过接收反射电磁波获取回波数据，原始sar回波数据为复数数据。现存的sar目标识别方法通常只对sar数据的幅值信息进行特征提取，忽略了相位信息。与自然图像不同，由于微波波段成像和相位相干处理的特点，sar图像的相位部分包含了丰富的目标信息。此外，相干散斑噪声的破坏导致目标像素的分散，从而导致sar图像中不同目标之间的可分离较差，仅基于幅度信息难以获得高精度的目标识别结果。
技术实现思路
1、针对现有技术的不足，本专利技术拟解决的技术问
2、本专利技术解决所述技术问题采用的技术方案是：
3、一种基于复数域深度网络的sar成像识别一体化方法，该方法包括以下步骤：
4、步骤一、对现有sar图像进行处理获取原始sar回波数据；
5、步骤二、构建基于复数卷积的基础网络，基础网络用于对原始的回波数据进行特征提取，为后续的成像任务和识别任务提供目标特征，其包含一个池化层和四个特征提取层，具体的，池化层包括一次复数卷积运算和一次池化操作，每个特征提取层均包括两次复数卷积运算，两次复数卷积运算后的结果再与输入相加，得到特征提取层的输出；
6、步骤三、构建分类器，分类器由复数全连接层构成，根据基础网络提取的特征进行分类，获取识别结果；根据回波数据实际的类别标签和分类结果计算识别损失；
7、步骤四、构建成像网络，重构网络包括五个重构层，每个重构层均包括两次复数转置卷积运算；根据基础网络提取的特征进行上采样，得到成像结果，将现有sar图像作为标签，根据成像结果和现有sar图像计算成像损失；
8、步骤五、对网络进行训练，并根据识别损失和成像损失对特征提取网络进行参数优化更新，得到优化后的目标识别模型；将待识别的sar图像输入到优化后的目标识别模型中，进行目标识别。
9、进一步的，所述步骤一包括：首先，对sar图像沿方向维进行快速傅里叶变换，获取方位维的多普勒谱；接着，对多普勒谱进行去窗处理，得到原始回波数据。
10、进一步的，识别损失的计算公式为：
11、
12、
13、式中，fj(xr+ixi)表示初步分类结果属于类别j的置信度，xr、xi分别表示初步分类结果的实部和虚部，yj为sar图像实际的类别标签，n为类别总数；
14、成像损失的计算公式为：
15、
16、其中，n表示每张图像的像素点数，xk＝xkr+ixki表示成像结果的第k个复像素值，xkr、xki分别表示成像结果的第k个复像素值的实部和虚部，yk＝ykr+iyki为现有sar图像的第k个复像素值，ykr、yki分别表示现有sar图像第k个复像素值的实部和虚部。
17、与现有技术相比，本专利技术具有以下有益效果：
18、1.减少计算开销
19、将sar成像和目标识别集成在一个网络中，可以减少计算资源的开销。传统上，sar成像和目标识别通常是分别进行的，需要分别处理和存储成像数据和识别结果。而通过一体化网络，可以实现数据共享和参数共享，减少了计算和存储的开销。
20、2.提高识别准确率
21、通过将sar成像和目标识别任务相结合，可以在成像过程中直接获取目标的特征信息同时抑制任务无关的干扰信息，并将提取特征应用于目标识别任务中。这种端到端的联合学习可以提高识别准确性，避免了在两个任务之间进行信息传递和特征转换所带来的信息损失。
22、3.有效利用sar图像的复数信息
23、由于微波波段成像和相位相干处理的特点，sar图像的相位部分包含了丰富的目标信息。此外，相干散斑噪声的破坏导致目标像素的分散，从而导致sar图像的可分离性较差。仅基于幅度信息难以获得高精度的目标识别结果。因此，本专利技术利用sar图像本身是复数数据这一特点，充分利用其相位部分包含的丰富目标信息，同时采样幅值和相位进行特征提取，使网络高效地学习目标可分离性特征。相比于传统实数域深度学习方法，能更精确的识别各类目标。
本文档来自技高网...【技术保护点】
1.一种基于复数域深度网络的SAR成像识别一体化方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于复数域深度网络的SAR成像识别一体化方法，其特征在于，步骤一包括：首先，对SAR图像沿方向维进行快速傅里叶变换，获取方位维的多普勒谱；接着，对多普勒谱进行去窗处理，得到原始回波数据。
3.根据权利要求1或2所述的基于复数域深度网络的SAR成像识别一体化方法，其特征在于，识别损失的计算公式为：
【技术特征摘要】
1.一种基于复数域深度网络的sar成像识别一体化方法，其特征在于，该方法包括以下步骤：
2.根据权利要求1所述的基于复数域深度网络的sar成像识别一体化方法，其特征在于，步骤一包括：首先，对sar图像沿方...
【专利技术属性】
技术研发人员：王兆成，王若楠，罗丰，亢海龙，
申请(专利权)人：河北工业大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。