WGAN-GP数据增强及预训练模型的SAR目标识别方法

摘要

合成孔径雷达自动目标识别（SAR ATR）技术广泛应用于目标监测等军事领域，但标记SAR样本难以获得限制了现有识别技术的使用。提出一种基于带梯度惩罚的生成对抗网络（WGAN-GP）和预训练模型相结合的SAR目标识别方法，利用WGAN-GP对小样本训练数据集进行扩充后，输入到大规模遥感图像场景（RESISC）分类数据集预训练后的卷积神经网络（CNN）模型中进行训练，最终得到SAR目标识别结果。利用运动和静止目标获取识别（MSTAR）数据集检测算法能力，实验结果表明，所提方法所使用的WGAN-GP对比其他生成对抗网络在SAR样本增强上具备性能优势，而RESISC45数据集的选取能有效提升分类器预训练的能力。与现有研究成果相比，所提方法在提高SAR目标识别精度和CNN模型收敛速度上具备优势。

关键词

合成孔径雷达自动目标识别 / 带梯度惩罚的生成对抗网络 / 预训练模型