基于脉冲神经网络的轻量化SAR图像舰船识别算法

摘要

针对传统方法进行合成孔径雷达（SAR）图像目标识别存在参数多、能耗高等问题，提出了一种基于脉冲神经网络（SNN）的轻量化SAR图像舰船识别算法.首先，利用视觉注意力机制提取SAR图像视觉显著图，采用泊松编码器进行脉冲序列编码，能抑制背景噪声干扰.然后，结合泄漏整合发射（LIF）脉冲神经元和卷积神经网络，构建融合时序信息的SNN模型，能实现SAR图像舰船识别.最后，采用反正切函数作为反向传播时脉冲发射函数的梯度替代函数对SNN模型进行优化，能解决模型难以训练的问题.实验结果表明所提算法具有高精度、少参数、高效率和低能耗等优势，能实现SAR图像高效准确舰船识别.

关键词

合成孔径雷达图像 / 舰船识别 / 脉冲神经网络 / 轻量化

基金资助

广东省基础与应用基础研究基金资助项目（2023A1515011588,2021A1515010768）; 深圳市科技计划资助项目（202206193000001,20220815171723002）; 国家自然科学基金资助项目（62203465,62001523,62201614,6210593）