(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211078127.6 (22)申请日 2022.09.05 (71)申请人 南京大学 地址 210023 江苏省南京市栖霞区仙林大 道163号 (72)发明人 王琼　王志远　洪志杰　柏业超　 唐岚　张兴敢　 (74)专利代理 机构 南京业腾知识产权代理事务 所(特殊普通 合伙) 32321 专利代理师 马静静 (51)Int.Cl. G01S 13/90(2006.01) G06N 3/04(2006.01) G06N 3/08(2006.01) G06V 10/74(2022.01)G06V 10/764(2022.01) G06V 10/82(2022.01) (54)发明名称 一种基于SAR图像方位角特性的模 型融合识 别方法 (57)摘要 本发明公开了一种基于SAR图像方位角特性 的模型融合识别方法， 包括以下步骤， 根据SAR图 像的方位角特性， 即方位角敏感性和方位角180 ° 图像对称性来划分子数据集和总数据集， 将总体 未划分数据集 以及子数据集训练对应的总模型 和子模型， 在进行测试时， 将待测图片放进各模 型得到初步结果， 对待测试图片进行方位角估 计， 然后进行模型的决策融合， 即根据方位角估 计的不同情况将各模型的初步结果进行不同的 加权求和得到最终的预测结果， 相对于单一的总 数据集训练总模型得到的预测结果 以及相比其 它SAR图像识别方法， 提高了正确率。 权利要求书2页 说明书6页 附图5页 CN 115480248 A 2022.12.16 CN 115480248 A 1.一种基于SAR图像方位角特性的模型融合识别方法， 其特 征在于， 包括以下步骤： 步骤一、 分析SAR图像的方位角特性并按照方位角特性划分数据集， 首先获取训练集和 测试集， 所得到的样本数据集包含多类目标， 每类目标下含有方位角为0到360 °下的多张 SAR图像， 按照 分析的方位角特性即敏感性与图像方位角180 °对称相似性将数据集划分为 两子数据集S1S2， 未划分方位角的整体数据集 为总数据集G； 步骤二、 对各数据集进行训练得到各卷积神经 网络模型， 将子数据集S1S2通过卷积神经 网络进行预训练得到子模型S1S2， 总数据集G通过卷积神经网络进行预训练得到总模型G， 将 训练好的三个模型保存下来以便后面调用； 步骤三、 对子数据集S1S2中的训练集所有图片像 素相加并平均得到平均图P1 P2， 视为该 两个平均图包 含两个对应子数据集的大致方位角信息； 步骤四、 对待测图片进行方位角估计， 将 待分类图像与 P1 P2计算欧式距 离C1 C2， 并将二 者求差， 由于平均图包含了所对应子数据集的方位角信 息， 其中待分类图像与P1 P2欧式距 离较小的那个视为该图像的方位角与其平均图对应的整体数据集相近， 从而 该数据集对应 的模型在后续的模型 结果加权时拥有更多的权 重； 步骤五、 将待测图片输入到步骤二中已经训练好的模型中， 得到在Softmax层输出结 果， 根据步骤四中C1 C2不同关系来决定三个结果的加权系数， 根据加权系数对各模型结果 进行加权， 得到最终的分类结果。 2.根据权利要求1所述的一种基于SAR图像方位角特性的模型融合识别方法， 其特征在 于： 所述步骤一中， 利用一张已知实际方位角的SAR图像计算其与同类和不同类的包含各方 位角的样本图像的欧式距离来表现图像之间相似度。 3.根据权利要求1所述的一种基于SAR图像方位角特性的模型融合识别方法， 其特征在 于： 所述步骤二中， 所述网络模型包括输入层、 卷积层、 最大池化层、 全连接层以及最 终经过 Softmax的输出层。 4.根据权利要求1所述的一种基于SAR图像方位角特性的模型融合识别方法， 其特征在 于： 所述步骤二中， 由于将整体G数据集按方位角划分为了S1和S2子数据集， 所以后两 者数据 集在数量少更加不足， 为了弥补这种不足， 将S1和S2数据集通过数据增强人为扩充数量至原 来的两倍， 以达 到和原本整体数据集接 近的数量。 5.根据权利要求1所述的一种基于SAR图像方位角特性的模型融合识别方法， 其特征在 于： 所述步骤四中， 考虑到待测图片的方位角在临界角， 即90 °， 180°， 270°这些角度附近时， 与P1 P2计算欧式距离时会比较接近， 即C1与C2会比较接近， 对所属模型判断权重时会比较 模糊， 所以设置 阈值， 即当C1和C2之间的距离小于此阈值 时， 视为这些图片的方位角属于临 界角， 当C1－C2大于此阈值或者C2－C1大于此阈值时， 视为该待测图片的方位角与C1 C2之间 较小的那个对应的子数据集所包含的方位角比较接近， 所以综上， 方位角估计一共会出现 三种情况。 6.根据权利要求1所述的一种基于SAR图像方位角特性的模型融合识别方法， 其特征在 于： 所述步骤五中， 求待测图片在每个模型中的Softmax层输出， 所述Softmax层， 即会对神 经网络的输出结果进行了一次换算， 将输出结果用概率的形式表现出来， 当神经网络的输 出到全连接层， 获得了K个类别( ‑∞， +∞)范围内 的分数zj， 为了得到属于每个类别的概率， 先通过ezj将分数映射到(0， +∞)， 然后再归一 化到(0,1)， 即称为Softmax的思想：权　利　要　求　书 1/2 页 2 CN 115480248 A 2得到十类概率后， 根据步骤四得到的方位角估计结果从而对模型的输出每一类的概率 进行不同的加权融合， 最后得到概 率最大的类也即融合模型的最终预测结果。权　利　要　求　书 2/2 页 3 CN 115480248 A 3