亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像地形檢測算法

        2022-04-27 07:24:36雷嘉興
        火控雷達(dá)技術(shù) 2022年1期
        關(guān)鍵詞:檢測法準(zhǔn)確率卷積

        雷嘉興 王 偉

        (西安電子工程研究所 西安 710100)

        0 引言

        地形檢測在濱海作戰(zhàn)、搶險救援等任務(wù)中具有十分重要的意義,國內(nèi)外關(guān)于這方面也有所研究。由于合成孔徑雷達(dá)(SAR, Synthetic Aperture Radar)成像具有穿透云、雨、霧,不受天氣因素干擾的全天候工作能力,我軍在實(shí)際作戰(zhàn)中也常用合成孔徑雷達(dá)作為獲取地形地理信息的手段。

        但在實(shí)際使用中,通過合成孔徑雷達(dá)獲取到的地形圖像需要人手工進(jìn)行地形標(biāo)注,增大了部隊(duì)人員的工作量,同時容易延誤作戰(zhàn)、搶險救援時機(jī),因此需要一種地形檢測算法來快速對地形進(jìn)行分類、檢測。針對這一困難,國內(nèi)許多研究人員也進(jìn)行了一些研究,目前應(yīng)用比較廣泛的SAR圖像地形檢測算法是WangKe等人于2012年提出的一種基于不變矩區(qū)域檢測法的SAR圖像地形檢測算法,該算法的基本原理是求取淺海地形圖片的不變矩,通過在SAR圖像上檢測相同不變矩區(qū)域的方式進(jìn)行地形檢測。由于不變矩只能反映圖像整體特征,不能反映局部特征,因此檢測準(zhǔn)確率較低,仍需要一定的手工矯正。然而隨著科技的發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)在圖像識別、圖像檢測等項(xiàng)目上體現(xiàn)出得天獨(dú)厚的優(yōu)勢。自1998 年Yann LeCun提出了名為LeNet的經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)以來,經(jīng)過不斷的改進(jìn)和發(fā)展,卷積神經(jīng)網(wǎng)絡(luò)對物體進(jìn)行識別和檢測的準(zhǔn)確率已可達(dá)到95%以上。目前卷積神經(jīng)網(wǎng)絡(luò)主要的應(yīng)用場景仍然是對物體的識別,如識別貓狗、識別人類身份、識別載具類型等,將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于SAR雷達(dá)成像地形檢測的研究還未見報。

        因此本文提出了一種將卷積神經(jīng)網(wǎng)絡(luò)應(yīng)用于SAR圖像地形檢測的算法,探究利用卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Networks,CNN)進(jìn)行地形檢測的可行性。對比實(shí)驗(yàn)證明,本文提出的基于卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像地形檢測算法的分類準(zhǔn)確率相較于不變矩檢測法有顯著提高,解決了人工地形標(biāo)注工作量大、不變矩檢測法準(zhǔn)確率低的難題。

        1 改進(jìn)的三重復(fù)合卷積神經(jīng)網(wǎng)絡(luò)

        經(jīng)典的卷積神經(jīng)網(wǎng)絡(luò)(LeNet)一般由輸入層、卷積層、池化層和全連接層組成,如圖1所示。

        圖1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

        該神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是結(jié)構(gòu)簡單,實(shí)現(xiàn)起來較為容易,同時具有一定的分類準(zhǔn)確性。缺點(diǎn)是參數(shù)量過大,訓(xùn)練時間較長,而且網(wǎng)絡(luò)深度不夠,對模型的擬合能力不足。與此同時在小樣本的情況下又容易產(chǎn)生過擬合現(xiàn)象。需注意的是過擬合現(xiàn)象和欠擬合現(xiàn)象兩者不能抵消,在工程中兩者都應(yīng)該避免。

        用SAR圖像數(shù)據(jù)集對經(jīng)典神經(jīng)網(wǎng)絡(luò)進(jìn)行10個批次的訓(xùn)練,得到訓(xùn)練輪數(shù)與判定準(zhǔn)確率的關(guān)系如圖2所示。

        圖2 經(jīng)典簡單神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確率和訓(xùn)練次數(shù)的關(guān)系

        容易發(fā)現(xiàn),隨著訓(xùn)練輪數(shù)的增加,經(jīng)典神經(jīng)網(wǎng)絡(luò)識別準(zhǔn)確率較低,而且并不穩(wěn)定。這主要是由于經(jīng)典神經(jīng)網(wǎng)絡(luò)層數(shù)過少,因此參數(shù)過少,進(jìn)而導(dǎo)致的欠擬合現(xiàn)象導(dǎo)致的。

        因此為了彌補(bǔ)經(jīng)典神經(jīng)網(wǎng)絡(luò)容易欠擬合的問題,應(yīng)當(dāng)適量增加網(wǎng)絡(luò)層數(shù),但網(wǎng)絡(luò)層數(shù)過多,又會加大計(jì)算復(fù)雜度。綜合網(wǎng)絡(luò)的擬合能力和計(jì)算復(fù)雜度全盤考慮,本項(xiàng)目設(shè)計(jì)了三重復(fù)合的卷積神經(jīng)網(wǎng)絡(luò)。具體來說,為了防止欠擬合現(xiàn)象,該網(wǎng)絡(luò)設(shè)計(jì)了三層重復(fù)結(jié)構(gòu),首先將輸入圖片通過兩個卷積層(Conv)對其進(jìn)行特征提取,然后利用池化層(Max-pooling)層將其最大的特征篩選出來,同時為了防止過擬合現(xiàn)象,又在一些卷積層之后加入dropout層防止過擬合,隨機(jī)遺忘了13%的神經(jīng)元特征;如此結(jié)構(gòu)共疊加三次,之后通過一個展開層(Flatten),將二維的圖片數(shù)據(jù)展開成一維的數(shù)據(jù),然后輸入全連接層(Dense)進(jìn)行邏輯分類。

        該網(wǎng)絡(luò)結(jié)構(gòu)如圖3所示。

        圖3 三重復(fù)合卷積神經(jīng)網(wǎng)絡(luò)

        2 不變矩法

        矩是數(shù)理統(tǒng)計(jì)中的一個概念,表示隨機(jī)變量的某種特征。若設(shè)為離散型隨機(jī)變量,c為常數(shù),則稱(|-c|)為關(guān)于點(diǎn)c的階矩。常見的如一階原點(diǎn)矩表示的數(shù)學(xué)期望,二階中心矩表示的方差。

        若將圖片每個點(diǎn)的像素灰度值歸一化后以概率表示,并將每個點(diǎn)的坐標(biāo)記為(,)則每個點(diǎn)的歸一化灰度(,)為二維離散型隨機(jī)變量(,)的概率質(zhì)量函數(shù)。

        Hu在1962年利用二階和三階歸一化中心矩構(gòu)造了7個不變矩,常用于圖像檢測,分別為

        =+

        (1)

        =(-)+4

        (2)

        =(-3)+(3-)

        (3)

        =(+)+(+)

        (4)

        =(-3)(+)((+)-
        3(+))+(3-)(+)(
        3(+)-(+))

        (5)

        =(-)((+)-(=))+
        4(+)(+)

        (6)

        =(3-3)(+)((+)-
        3(+))-(-3)(+)
        (3(+)-(+))

        (7)

        其中:

        (8)

        (9)

        文章[2]提出的不變矩地形檢測法就是基于此原理。

        3 對比實(shí)驗(yàn)設(shè)計(jì)

        3.1 實(shí)驗(yàn)所用數(shù)據(jù)集

        實(shí)驗(yàn)采用的數(shù)據(jù)集來源為東南沿海某地實(shí)地拍攝的高分辨率SAR圖像。這些圖像經(jīng)過預(yù)處理后,通過人手工標(biāo)注的方式,截取了2000張有代表性的河流圖像,2000張有代表性的城鎮(zhèn)圖像,并對這些圖像一一標(biāo)注好其地形類型。從中隨機(jī)選取了100張河流圖像和100張城鎮(zhèn)圖像作為驗(yàn)證集以驗(yàn)證檢測準(zhǔn)確率,并對剩余1900張城鎮(zhèn)圖像和1900張河流圖像做數(shù)據(jù)擴(kuò)充,共計(jì)得到5700張城鎮(zhèn)圖像和5700張河流圖像,使用這5700張城鎮(zhèn)圖像和5700張河流圖像作為訓(xùn)練集來訓(xùn)練三重復(fù)合卷積神經(jīng)網(wǎng)絡(luò)。

        3.2 實(shí)驗(yàn)步驟

        本實(shí)驗(yàn)的實(shí)驗(yàn)步驟為:首先搭建好三重復(fù)合卷積的神經(jīng)網(wǎng)絡(luò)模型,然后使用3.1所提到的訓(xùn)練集對該神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。訓(xùn)練完成后,將驗(yàn)證集中的共計(jì)200張城鎮(zhèn)、河流圖像遮住標(biāo)簽,并使用該網(wǎng)絡(luò)進(jìn)行檢測其是何種類型的地形。檢測完成后,將該神經(jīng)網(wǎng)絡(luò)在驗(yàn)證集上的判定結(jié)果和驗(yàn)證集標(biāo)簽進(jìn)行對比,統(tǒng)計(jì)檢測的準(zhǔn)確率。

        對照實(shí)驗(yàn)的實(shí)驗(yàn)步驟為:使用文章[2]提出的方法求取不變矩,在驗(yàn)證集上進(jìn)行驗(yàn)證,統(tǒng)計(jì)檢測的準(zhǔn)確率。

        由于神經(jīng)網(wǎng)絡(luò)的檢測準(zhǔn)確率隨訓(xùn)練次數(shù)上升,因此上述步驟共進(jìn)行10輪。

        3.3 實(shí)驗(yàn)結(jié)果

        通過10次對比實(shí)驗(yàn),得到兩種算法在驗(yàn)證集上的檢測準(zhǔn)確率分別如表1所示。

        表1 兩種算法訓(xùn)練輪數(shù)與準(zhǔn)確率的關(guān)系

        利用python繪制出訓(xùn)練次數(shù)與分類準(zhǔn)確率的關(guān)系如圖4所示。

        圖4 分類準(zhǔn)確率與訓(xùn)練次數(shù)

        3.4 對比結(jié)果分析

        通過對比實(shí)驗(yàn)的結(jié)果可以發(fā)現(xiàn):卷積神經(jīng)網(wǎng)絡(luò)僅在第一輪測試時準(zhǔn)確率低于不變矩檢測法。在第二輪訓(xùn)練之后,卷積神經(jīng)網(wǎng)絡(luò)的檢測準(zhǔn)確率迅速超過不變矩檢測法的檢測準(zhǔn)確率,并且最終達(dá)到97.5%的檢測準(zhǔn)確率。這是由于卷積神經(jīng)網(wǎng)絡(luò)可以在一輪輪的重復(fù)訓(xùn)練中不斷學(xué)習(xí)地形特征,優(yōu)化網(wǎng)絡(luò)參數(shù)。反觀不變矩檢測法,由于算法固定,在10輪重復(fù)實(shí)驗(yàn)中,它的檢測準(zhǔn)確率始終只能達(dá)到71.5%。

        綜上,本文提出的基于三重復(fù)合卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像地形檢測算法,相比不變矩檢測法確實(shí)可以大大提高檢測準(zhǔn)確率。

        識別效果如圖5、圖6所示。

        圖5 河流識別效果圖

        圖6 城鎮(zhèn)識別效果圖

        4 結(jié)束語

        對SAR圖像的分類與地形檢測,以往主要依靠不變矩檢測法等方式,存在的主要問題是準(zhǔn)確率較低;少量的機(jī)器學(xué)習(xí)在SAR成像中的應(yīng)用,也主要局限在SAR圖像的目標(biāo)識別上,至于利用卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行地形檢測的研究還尚未見報。本文創(chuàng)新地將機(jī)器學(xué)習(xí)應(yīng)用于SAR圖像的地形檢測上,并針對經(jīng)典卷積神經(jīng)網(wǎng)絡(luò)準(zhǔn)確率低、容易過擬合的現(xiàn)象提出了一種新的三重復(fù)合卷積神經(jīng)網(wǎng)絡(luò),經(jīng)模擬驗(yàn)證和在東南沿海某地上機(jī)驗(yàn)證,取得了良好的效果,完成設(shè)計(jì)指標(biāo)。

        猜你喜歡
        檢測法準(zhǔn)確率卷積
        基于時域全卷積網(wǎng)絡(luò)的語音增強(qiáng)
        基于3D-Winograd的快速卷積算法設(shè)計(jì)及FPGA實(shí)現(xiàn)
        乳腺超聲檢查診斷乳腺腫瘤的特異度及準(zhǔn)確率分析
        健康之家(2021年19期)2021-05-23 11:17:39
        不同序列磁共振成像診斷脊柱損傷的臨床準(zhǔn)確率比較探討
        2015—2017 年寧夏各天氣預(yù)報參考產(chǎn)品質(zhì)量檢驗(yàn)分析
        從濾波器理解卷積
        電子制作(2019年11期)2019-07-04 00:34:38
        高速公路車牌識別標(biāo)識站準(zhǔn)確率驗(yàn)證法
        T-SPOT.TB檢測法和熒光定量PCR檢測法在診斷結(jié)核病中的應(yīng)用價值
        基于改進(jìn)檢測法的STATCOM建模與仿真
        基于電流平均值的改進(jìn)無功檢測法
        電測與儀表(2014年6期)2014-04-04 11:59:46
        国产精品久久久久久久久KTV| 男女真人后进式猛烈视频网站| 国产欧美性成人精品午夜| 亚洲av无码不卡| 精品国产品欧美日产在线| 国产av黄色一区二区| 久久亚洲道色综合久久| 色老板精品视频在线观看| 亚州精品无码人妻久久| 一本久道在线视频播放| 日本久久伊人特级黄色| 人人爽人人爽人人爽人人片av| 无码日韩人妻AV一区免费| 少妇人妻中文字幕在线| 无码熟妇人妻av在线网站 | 国产国拍亚洲精品永久69| 丰满巨臀人妻中文字幕| 亚洲国产aⅴ成人精品无吗| 成人免费网站视频www| 亚洲男人在线无码视频| 亚洲高清国产成人精品久久| 无人区一码二码三码四码区| 国内免费AV网站在线观看| 人妻熟女中文字幕在线视频| 欲女在线一区二区三区| 国内精品人妻无码久久久影院导航 | 性饥渴的农村熟妇| 午夜家庭影院| 精品久久日产国产一区| 精品亚洲麻豆1区2区3区| 日本不卡一区二区三区在线| 91精品91| 亚洲国产精品自拍成人| 亚洲av日韩aⅴ无码色老头| 最新国产三级| 日本一区二区三区精品不卡| 国产精品免费一区二区三区四区| 亚洲永久精品ww47| 国产午夜av一区二区三区| 日韩一区av二区三区| 怡红院a∨人人爰人人爽|