基于深度學(xué)習(xí)的SAR目標(biāo)識別方法研究.pdf

1、合成孔徑雷達(dá)(Synthetic Aperture Radar，SAR)由于其獨(dú)特的優(yōu)勢已經(jīng)成為當(dāng)今社會的一種重要的信息獲取手段，無論在軍用領(lǐng)域還是民用領(lǐng)域都發(fā)揮著至關(guān)重要的作用。作為獲取SAR信息的方式，SAR圖像的識別一直是研究熱點(diǎn)之一。
　　近年來深度學(xué)習(xí)的提出引起了又一股人工智能的研究熱，深度學(xué)習(xí)由于將非監(jiān)督學(xué)習(xí)和監(jiān)督學(xué)習(xí)結(jié)合，使得大量的無標(biāo)簽的數(shù)據(jù)都有了學(xué)習(xí)的價(jià)值，因而在目標(biāo)識別方面取得了前所未有的成功，但仍面臨著許多問

2、題。
　　本文首先總結(jié)了基于機(jī)器學(xué)習(xí)的SAR圖像目標(biāo)識別的技術(shù)，給出了監(jiān)督學(xué)習(xí)中的神經(jīng)網(wǎng)絡(luò)和非監(jiān)督學(xué)習(xí)中的主成分分析兩種方法在 MSTAR數(shù)據(jù)集上的識別效果；
　　其次本文指出了機(jī)器學(xué)習(xí)方法在目標(biāo)識別方面的局限，即：在應(yīng)用到SAR圖像目標(biāo)識別時(shí)需要大量的專業(yè)知識，不能自動的提取能夠表征 SAR目標(biāo)的特征，基于此，本文提出了深度學(xué)習(xí)的模型可以解決該問題，分別將深度置信網(wǎng)絡(luò)和卷積神經(jīng)網(wǎng)絡(luò)兩種深度學(xué)習(xí)模型用于SAR圖像目標(biāo)識別，并