点击次数：
所属单位：自动化学院
发表刊物：电子测量技术
关键字：合成孔径雷达;卷积神经网络;目标识别;多样本扩充;
摘要：传统的合成孔径雷达(SAR)图像目标识别算法需要独立设计特征提取算法和分类器,限制了SAR快速拓展到实际应用中。基于卷积神经网络(CNNs)构建一种可直接从输入图像到输出类别的一体化SAR图像目标识别框架,并引入AdaDelta梯度下降优化算法来进行网络优化学习。同时,由于SAR图像获取困难、数量有限,无法保证CNNs网络的大数据量训练样本需求,因此设计了一种基于多样本扩充CNNs的SAR图像目标识别算法。实验证实设计的算法在MSTAR数据集上10类军事目标平均识别率可达97.28%,且对目标平移、旋转、相干斑噪声和目标遮挡具有较强的鲁棒性。
是否译文：否
发表时间：2018-07-23
合写作者：张笑
通讯作者：刘文波