82 / 2021-09-09 16:27:04

基于对抗数据增广和Mean-Teacher学习的小样本SAR图像目标识别方法

合成孔径雷达；目标识别；生成对抗网络；小样本

针对小样本合成孔径雷达（Synthetic Aperture Radar, SAR)图像目标识别问题，提出了基于对抗数据增广和平均-教师（Mean-Teacher）深度学习的识别方法。首先，基于局部方位角范围内SAR目标散射特性具有平稳性的原理，采用生成对抗网络，结合少量有标签训练样本的方位角信息进行了数据增广，有效扩充了训练样本数量。这一数据增广方法，不仅扩充了训练样本数量，而且扩展了样本覆盖的方位角范围。其次，通过引入Focal loss损失函数，改进了现有Mean-Teacher深度神经网络模型。采用改进的Mean-Teacher网络模型，结合增广的训练样本，以半监督学习方式，设计了小样本SAR目标识别方法。采用MSTAR公开发布的十类目标SAR图像数据集进行了小样本SAR目标识别实验。实验结果表明，提出的小样本识别算法获得了很好的识别性能，能够在每类仅有10个有标签训练样本的情况下，获得92.58%的平均正确识别率。