【摘 要】合成孔径雷达(SAR)目标识别的主流手段是神经网络,其依赖于大数据量的训练,但SAR船只样本量少,且传统识别方法提取的特征又具有很强的易变性,分类效果不佳。针对SAR船只目标样本量受限的问题,提出了基于VGG16迁移学习的识别方法,该方法在已有模型的基础上进行参数的微调,使其适应目标数据集,从而解决在训练样本缺失情况下,识别过程中存在的过拟合和局部最优解等问题。利用TerraSAR数据库进行对比实验,结果表明该方法优于传统识别方法。
【关键词】小样本;SAR船只识别;迁移学习;VGG16
0 引言
合成孔径雷达(SAR, Synthetic Aperture Radar)具有全天时、全天候的特点,不受光照和天气的影响,有丰富的特征信号,包含极化、幅度和相位信息[1],并具有很强的穿透能力且能快速检测识别目标,全天时工作能及时提供数据,为SAR图像的目标识别提供了可靠的支持[2]。
目前在传统方法中,SAR目标识别的三种主流方法是:基于模板的方法[3]、基于模型的方法[4]以及基于特征的方法[5]。基于模板的方法是通过与模板之间计算相似度来判断目标类别,这种方法需要大量的目标图像模