CN115205602B 基于最优传输距离函数的零样本sar目标识别方法 （西安电子科技大学）

基于最优传输距离函数的零样本SAR目标识一种基于最优传输距离函数的零样本合成孔径雷达SAR目标识别方法，主要解决现有技术中零样本SAR目标识别方法无法识别未知类别的实现步骤为：提取SAR图像和光学图像的特征信像的特征信息作为零样本学习中定义的语义属类别的类别中心，有效地提高了零样本SAR目标2将光学图像的特征信息输入到一个两层训练好的嵌入网络，输出光学图像的类别中采用最优传输距离函数，在视觉空间中寻找距离目标域中未知类别SAR图像最近的一个类别中心，根据寻找的类别中心标签得知目标域中未知类别的零样本合成孔径雷达SAR2.根据权利要求1所述的基于最优传输距离函数的零样本合成孔径雷达SAR目标识别3.根据权利要求1所述的基于最优传输距离函数的零样本合成孔径雷达SAR目标识别4.根据权利要求1所述的基于最优传输距离函数的零样本合成孔径雷达SAR目标识别35.根据权利要求1所述的基于最优传输距离函数的零样本合成孔径雷达SAR目标识别标域中SAR图像的类别中心的总数，t表示目标域中SAR图像的类别中心的序号，t＝1,2,数，Z表示目标域中SAR图像和光学图像的类别中心之间的匹配关系矩阵，ε表示正则化系6.根据权利要求1所述的基于最优传输距离函数的零样本合成孔径雷达SAR目标识别*表示目标域中未知类别的SAR图像的类别信息，U表示目标域中未知类别的SAR表示目标域中未知类别的SAR图像的类别中心的总数，V表示目标域中未知类别的SAR图像4优传输距离函数的零样本合成孔径雷达SAR(SyntheticApertureRadar)目标识别方法。图像中未知类别的新目标进行识别。结合仿真数据和真实数据来一起优化训练网络模型，并且训练和测试的目标类别是一致层次化融合CNN与图像相似度的零样本SAR目标识别方法。该方法针对零样本SAR图像目标[0004]FeiGao,JieqiongZhao,ChongLin等人在其发表的论文“ASARImage5样本学习中定义的语义属性，用于连接源域已知目标类别和目标域未知新类别之间的关[0010]步骤1.2，采用与步骤1.1相同的深度神经网络模型作为光学图像的特征提取网[0022]采用最优传输距离函数，在视觉空间中寻找距离目标域中未知类别SAR图像最近6[0024]第一，本发明采用光学图像的特征信息代替常规零样本用于连接源域已知目标类别和目标域未知新类别之间的关系，使SAR零样本目标识别任务成为可能，在对SAR零样本目标识别时克服了现有技术中无法识别未知类别的新目标的缺[0036]步骤1.2，采用Resnet_17(X:S.)表示源域中同一类别的SAR图像提取的特征信息。[0050]由于根据步骤1.2中提取的光学图像的特w1和w2分别表示待学习的两个全连通层的权值，表示第j张光学图像提取的接采用均方误差函数公式，计算步骤2.1得到的源域中SAR图像的类别中心和步骤3得到的8距离函数公式，计算步骤2.2得到的目标域中SAR图像的类别中心和步骤3得到的光学[0069]采用最优传输距离函数，在视觉空间中寻找距离目标域中未知类别SAR图像最近9的SAR图像的总数，本发明实施例中U取值为822，u表示目标域中未知类别的SAR图像的序目标域中未知类别的SAR图像和SAR图像类[0079]本发明仿真实验是采用本发明和三种现有技术的合成孔径雷达SAR目标识别方均方误差函数和二分图匹配函数优化模型参[0085]表1中的MSE表示采用现有技术的基于均方误差函数的目标识别方法。表1中的CD表示采用现有技术的基于倒角距离函数的目标识别方法。表1中的BM表示采用现有技术的据，本发明提出的基于最优传输距离函数的零样本SAR目标识别方法的识别率可以达到可以看出，直接采用均方误差函数优化模型参数合成的类别中心会偏离真实的类别中心，[