相似性约束的深度置信网络在 SAR 图像目标识别的应用

liuguanJun

摘 要：特征提取是合成孔径雷达(SAR)图像目标识别的关键环节。SAR 图像中存在的相干斑点和非光滑特性使
得传统针对光学图像的特征提取方法变得很难应用。虽然可以采用深度置信网络(DBN)自动地进行特征学习，但是
该方法属于无监督学习方法，这使得学习到的特征与具体的任务是无关的。该文提出一种叫做相似性约束的受限玻
尔兹曼机模型。该模型在学习过程中通过约束特征向量之间的相似性达到引入监督信息的目的。另外，可以将多个
& b2 d2 o" @% Z相似性约束的受限玻尔兹曼机堆叠成一种新的深度模型，称其为相似性约束的深度置信网络模型。实验结果表明在
SAR 图像目标识别应用中，该方法相比主成分分析(PCA)以及原始 DBN 具有更好的识别性能。
关键词：SAR 图像目标识别；特征提取；深度置信网络；相似性约束的深度置信网络；
2 z0 f1 Q% _% R! V  b1 引言
- J& X- I  _1 [5 ySAR 图像目标识别在军事和国防安全等方面具
有潜在的应用前景。比如：可以利用该技术进行敌
9 I  O) I  j+ j# d+ M6 ^我识别，战场侦测以及灾难评估等任务。虽然在过
7 }/ {: ^  a1 C2 {去几年研究者们已经完成了大量的工作 [1 6]，但
SAR 图像目标识别仍然是一项具有很高难度和挑战
性的研究。作为其关键环节，特征提取的质量好坏
  U5 o  f$ w# M% u! ]- h+ C% Z严重影响到最后的识别精度和结果。现在已经有了

& d2 W7 i) U. |0 K$ j8 z




6 p9 N" E  E, T' w3 d
: N4 o4 o; C5 S2 l4 c7 l1 A1 o附件下载：

游客，如果您要查看本帖隐藏内容请回复

/ A) q' l5 z4 M& D+ p: K, W
: L6 l: W  @* l' ?$ I; `4 L

Blah

学习呀