基于深度学习神经网络的SAR图像目标识别算法

doi:10.16389/j.cnki.cn42-1737/n.2016.02.006

江汉大学学报（自然科学版） ›› 2016, Vol. 44 ›› Issue (2): 131-136.doi: 10.16389/j.cnki.cn42-1737/n.2016.02.006

基于深度学习神经网络的SAR图像目标识别算法

梁鑫，徐慧

南京林业大学信息科学技术学院，江苏南京 210037

出版日期:2016-04-28 发布日期:2016-05-05
作者简介:：梁鑫（1989—），男，硕士生，研究方向：仪器科学与技术、图像处理。

SAR Images Target Recognition Algorithm Based on Deep Learning Neural Network

LIANG Xin，XU Hui

College of Information Science and Technology，Nanjing Forestry University，Nanjing 210037，Jiangsu，China

Online:2016-04-28 Published:2016-05-05

摘要/Abstract

摘要： 提出了一种有效的SAR图像目标识别新方法。首先采用改进后的增强Lee滤波和HOG变换对SAR图像进行特征提取，然后通过层叠RBM和GRNN相结合的混合神经网络对SAR图像进行目标分割和目标识别。利用测试图像库的MATLAB算法仿真，结果表明该方法可以明显提高目标识别率，正确率可以达到97%。

关键词: 目标识别, Lee滤波, HOG变换, 深度学习, 神经网络

Abstract: A new effective target recognition method for SAR images is proposed. First of all，take the improved enhanced Lee filtering and HOG transformation for feature extraction of SAR images，then through a hybrid neural network by cascading RBM and GRNN combination to operate object segmentation and target recognition of SAR images. Using MATLAB algorithm simulation of the test image database，in this paper，the method of object recognition based on the deep learning neural network algorithm can obviously increase the recognition rate，and accuracy reaches 97%.

Key words: target recognition, Lee filtering, HOG transformation, deep learning, neural network

中图分类号:

梁鑫，徐慧. 基于深度学习神经网络的SAR图像目标识别算法[J]. 江汉大学学报（自然科学版）, 2016, 44(2): 131-136.

LIANG Xin，XU Hui. SAR Images Target Recognition Algorithm Based on Deep Learning Neural Network[J]. Journal of Jianghan University(Natural Science Edition), 2016, 44(2): 131-136.

[1]	李红，孙德荣，李硕. 关于政策约束下保险资金投资组合的若干研究[J]. 江汉大学学报（自然科学版）, 2022, 50(3): 5-11.
[2]	吴文俊，张智恒，李星辰，胡晓莉. 基于RBF 神经网络模型的乙醇偶合制备C₄烯烃的工艺条件分析[J]. 江汉大学学报（自然科学版）, 2022, 50(3): 29-35.
[3]	陈学仕，苏通，漆为民. 基于改进Faster RCNN的印刷电路板瑕疵检测算法[J]. 江汉大学学报（自然科学版）, 2022, 50(1): 87-96.
[4]	凌利，陶俊，吴瑰. 基于YOLOv3 的手势识别技术[J]. 江汉大学学报（自然科学版）, 2021, 49(5): 79-87.
[5]	缸明义，夏兴国，张庆丰，吴彩林. 基于模糊神经网络的机械手轨迹跟踪控制系统[J]. 江汉大学学报（自然科学版）, 2021, 49(1): 66-73.
[6]	余志凡，李昊，李登实，胡曦. 基于Gram矩阵和卷积神经网络的风格迁移算法[J]. 江汉大学学报（自然科学版）, 2020, 48(3): 62-68.
[7]	李广胜，郭欢. 基于GM（1，1）模型的南京市房价预测研究[J]. 江汉大学学报（自然科学版）, 2020, 48(2): 10-13.
[8]	左治江，胡军，郑文远，梅天灿. 结合动态概率定位模型的道路目标检测[J]. 江汉大学学报（自然科学版）, 2020, 48(2): 77-85.
[9]	李文鸿，李眉茵. 基于数学模型的我国动漫行业总年产值影响因素的实证分析[J]. 江汉大学学报（自然科学版）, 2019, 47(3): 231-238.
[10]	徐迅，陶俊，吴瑰. 基于卷积神经网络的带遮蔽人脸识别[J]. 江汉大学学报（自然科学版）, 2019, 47(3): 246-251.
[11]	崔铭，吴亚光. 基于改进BP神经网络的高校教师创新创业教学能力评价研究[J]. 江汉大学学报（自然科学版）, 2018, 46(2): 125-129.
[12]	俞青芬. 人工神经网络在吡喃酮类化合物生物活性预测中的应用[J]. 江汉大学学报（自然科学版）, 2017, 45(5): 418-423.
[13]	王润霞，刘海鸿. 四元中立型时滞神经网络的稳定性分析[J]. 江汉大学学报（自然科学版）, 2017, 45(3): 202-208.
[14]	倪百秀，张翠翠，周本达. 基于改进布谷鸟搜索的人工神经网络及其性能仿真[J]. 江汉大学学报（自然科学版）, 2015, 43(1): 41-50.
[15]	周四维，曾婷. 基于BP 神经网络的实验室计算机故障率预测模型[J]. 江汉大学学报（自然科学版）, 2014, 42(2): 92-96.

基于深度学习神经网络的SAR图像目标识别算法

SAR Images Target Recognition Algorithm Based on Deep Learning Neural Network

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价