基于分块CNN的多尺度SAR图像目标分类算法

作者：曲长文; 刘晨; 周强; 李智; 李健伟

来源：雷达科学与技术, 2018, 16(02): 169-180.

• 卷积神经网络
• 迁移学习
• 多尺度SAR图像
• 目标分类

针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像目标分辨率差异大,多尺度SAR图像目标分类准确率不高的问题,提出了一种基于迁移学习和分块卷积神经网络(Convolutional Neural Network,CNN)的SAR图像目标分类算法。首先通过大量与目标域相近的源域数据对分块CNN的参数进行训练,得到不同尺度下的CNN特征提取网络;其次将CNN的卷积和池化层迁移到新的网络结构中,实现目标特征的提取;最后用超限学习机(Extreme Learning Machine,ELM)网络对提取的特征进行分类。实验数据采用美国MSTAR数据库以及多尺度SAR图像舰船目标数据集,实验结果表明,该方法对多尺度SAR图像的分类效果优于传统CNN。