多尺度分解結合卷積神經網絡的SAR圖像識別

高志幫 劉以安

(江南大學 江蘇 無錫 214000)

0 引言

合成孔徑雷達(synthetic aperture radar，SAR)是一種安裝在飛行器上，利用移動的天線在目標區域進行探測的微波遙感成像技術[1]。和傳統的基于波束掃描的雷達相比，合成孔徑雷達圖像分辨率較高，且不受天時，氣候和光照的影響。因此SAR圖像在資源探測，遙感攝像，軍事偵查等領域得到廣泛的關注和應用[2-3]。

SAR圖像識別的難點在于其成像的機理中，由于其回波信號在不同散射單元強度的隨機性，引入了相干斑[4]噪聲導致的圖像質量的下降。傳統的SAR圖像識別的過程一般分為三個步驟：圖像預處理、特征提取、分類。圖像的預處理算法包括Lee濾波，Kuan濾波等，這些方法用來降低相干斑噪聲對識別效果的影響，但同時降低了識別的時效性。特征提取方式一般有兩種：全局特征提取和局部特征提取。全局特征提取算法包括主成分分析[5](PCA)，獨立成分分析(ICA[6])等，這些方法表征了圖像的整體信息，但對于圖像邊緣，紋理等特征表達效果差。局部特征提取方法包括HOG算子[7]，LBP算子[8]，稀疏表示[9]等，描述了圖像的局部特征，但沒有充分考慮到特征之間的聯系性。圖像識別方法包括神經網絡，SVM[10]，KNN[11]等，得到非常廣泛的應用，但是由于SAR圖像場景的復雜性，成像機理的特殊性以及對于實時性的要求，增加了識別的難度。

卷積神經網絡[12](CNN)是一種前饋人工神經網絡，被廣泛應用到圖像識別的領域。CNN和傳統的人工神經網絡相比最重要的是卷積和池化的操作。卷積是一種數學運算方式，在卷積神經網絡中卷積層利用多個卷積核對圖像進行自動特征提取，具有平移不變性，旋轉不變性的優點；而池化層則減少了特征的數量，概括了局部特征的特性，減少了參數的數量。池化方法有平均值池化法和最大值池化法。但是卷積神經網絡需要海量的數據集作為支持，缺少數據則會導致特征提取能力的不足，這對卷積神經網絡的效果產生了影響。

非下采樣輪廓波變換(NSCT)[13]是一種多尺度的圖像分解方法。經NSCT分解出的高頻分量包含了圖像的邊緣，細節等關鍵信息，可以增強神經網絡特征提取的能力。同時，NSCT在圖像分解的過程中取消了下采樣的步驟，繼承了輪廓波變換(CT)的多方向性和各向異性，還具備輪廓波變換(CT)缺乏的平移不變性，能夠有效應對圖像的旋轉，平移等操作。

提出一種基于NSCT多尺度分解和卷積神經網絡(CNN)的合成孔徑雷達圖像識別方法。首先在使用NSCT對原圖像進行尺度分解，并將獲取的高低頻特征圖分量進行空間連結，輸入卷積神經網絡進行訓練和識別。實驗結果表明，提出的算法能有效提高神經網絡的識別率。

1 基本原理

1.1 非下采樣輪廓波變換

非下采樣輪廓波變換(NSCT)是一種基于輪廓波變換(CT)的多尺度分解方法。經非下采樣輪廓波分解后的高頻分量包含邊緣細節信息，低頻分量包含輪廓、紋理等信息。經NSCT分解后的zoneplate圖像如圖1所示。

圖1 zooneplate原圖和NSCT分解結果

NSCT的分解過程主要有兩個步驟：第一是非下采樣塔型分解(NSP)；第二是非下采樣方向濾波組(NSDFB)[14]。首先NSP利用兩通道二維濾波組對圖像進行多尺度分解，通過對當前組波帶利用同一個濾波器進行上采樣得到下一組波帶(Subband)，同時避免了重新設計濾波器的操作。其帶來的冗余度為J+1，J表示分解的級數，而小波變換(NSWT)的冗余度為3J+1，和NSWT相比，冗余度減少了三分之一，提高了效率。

非下采樣方向濾波組(NSDFB)繼承自方向濾波組(DFB)，主要改進是取消了下采樣操作。所以其在圖像分解過程中主要是上采樣。上采樣算法如式(1)所示：

(1)

式(1)中y為輸出結果，h是給定的濾波器，Sk為樣本矩陣，x為此級波帶。從式(1)可以看出，NSCT算法在實現多尺度，多方向性分解的同時，并沒有增加計算的復雜度。NSCT算法的分解過程如圖2所示。

圖2 NSCT算法的分解過程

1.2 卷積神經網絡算法

卷積神經網絡(CNN)是前饋人工神經網絡(ANN)的一種改進，通過局部操作對圖像特征進行分層抽象，主要被應用在圖像領域。LeNet-5[15]是經典的卷積神經網絡，包含輸入層，卷積層，池化層，全連接層和輸出層，其基本結構如圖3所示。

圖3 LeNet-5的基本結構

神經網絡通過計算損失值并反向傳播訓練參數。其中二次損失函數定義為：

(2)

其中，x表示輸入的樣本，y(x)表示實際的值，aL(x)表示預測的輸出，L表示神經元的最大層數。代價函數計算輸出值和實際值之間的誤差，并傳遞給反向傳播函數進行參數更新。

卷積操作能夠提取圖像的邊緣特征，同時對于圖像的旋轉，平移等變換具有較好的穩定性。為了更充分地提取圖像的深層信息，卷積層一般是由多個卷積核組成。卷積核是一個二維矩陣，一般是3×3或5×5的大小，首先賦予卷積核的權值一個初值，由訓練決定最終的結果。卷積層的計算公式為：

F=sigmoid[conv(M,N)+B1]

(3)

式(3)中：sigmoid為激活函數；conv為卷積函數；M是輸入矩陣，大小為p×p；N為卷積核，大小為q×q；B1為偏置矩陣；F為得到的(p-q+1)×(p-q+1)維特征圖矩陣。對同一個圖像來說，不同的卷積濾波器運算會產生不同的特征值，因此訓練得到合適的卷積濾波器是圖像識別成功的關鍵。

池化操作是圖像處理領域經常使用的操作，池化將圖像的一個局部內的像素點用一個像素點來代替。池化的作用第一是減小圖像的大小和參數的數量，第二是增加算法的穩定性。假設特征矩陣為J，偏置為B2，獲得的采樣矩特征圖為O，則計算方式為：

O=Φ0(J)+B2

(4)

常用的池化操作有平均池化和最大值池化兩種。假設特征圖為L，池化移動的步長為d，得到的采樣結果為S。平均池化和最大值池化計算公式為：

(5)

S=max(Lij)

(6)

式(6)中max函數表示從輸入的特征圖L中提取最大值。

2 本文算法

圖4所示為本文的算法結構圖。尺度分解結合卷積神經網絡的圖像識別主要由三個方面組成：圖像預處理，尺度分解進行特征提取，CNN訓練分類。圖像預處理主要有灰度歸一化、尺度歸一化、數據增強等。主要目的是節省網絡的收斂時間，同時提高樣本的數量。經過圖像預處理之后，圖像的大小為128×128，灰度范圍為[0,1]。

圖4 算法結構圖

尺度分解算法利用NSCT對原圖像進行尺度分解，將分解出的高低頻分量與原特征圖空間連結，作為新的特征。計算過程如式(7)所示：

H(x)=f(x)⊕Nsct(f(x))h⊕Nsct(f(x))l

(7)

其中f(x)表示輸入的特征圖，Nsct(f(x))h表示尺度分解f(x)獲取高頻分量；Nsct(f(x))l表示尺度分解f(x)并獲取低頻分量；⊕表示空間連結操作。特征提取之后加入到網絡進行訓練，最后使用softmax分類器對測試集進行分類。

具體的步驟如下：

1)對樣本進行數據增強[16](Data Augmentation)。包括對圖像進行剪裁、翻轉、顏色變換等操作。

2)對從1)獲得的數據進行NSCT變換，將原圖、高頻分量和低頻分量空間連結。

3)進行尺度歸一化和灰度歸一化處理，得到大小為64×64×3，灰度范圍在[0,1]之間的數據集。

4)將得到的數據作為神經網絡的輸入，進行卷積操作和池化操作，得到FC層特征，計算損失值并通過反向傳播算法訓練網絡模型參數。

5)將測試樣本輸入訓練好的網絡，通過softmax分類獲得預測結果。

3 實驗與分析

3.1 實驗設置

為了驗證算法的有效性，采用MSTAR(Moving and Stationary Target Acquisition and Recogniton)[17]公開數據庫作為實驗對象。數據庫包含了三個場景，八種識別目標。俯仰角度主要有15°和17°。同一場景下的每種目標的圖像有299張。將15°和17°的圖像作為數據集，以80%的比例作為訓練集，20%的比例作為測試集。選取的7種對象作為識別的目標。圖5展示了七種目標的光學圖像和對應的SAR圖像。

圖5 七類目標的光學和對應的SAR圖像從左到右依次為2S1(榴彈炮)，BRDM2(裝甲車)，BTR70(裝甲車)，D7(推土機)，T72(坦克)，ZIL131(拖拉機)，ZSU-23(坦克)

實驗中使用的卷積神經網絡共七層，包含三個卷積層，兩個池化層交替連接，最后是全連接層和輸出層，激活函數為TANH激活函數。具體參數如表1所示。

表1 卷積神經網絡結構圖

LayerTypeMapsSizeKernel sizeStrideActivationOutFully Connected-7--RBFF6Fully Connected-84--tanhC5Convolution1201×15×51tanhS4Max Pooling1629×292×22tanhC3Convolution1658×585×51tanhS2Max Pooling662×622×22tanhC1Convolution6124×1245×51tanhlnInput3128×128---

實驗模型主要是基于TensorFlow深度學習框架搭建而成，實驗硬件環境：Intel(CORE)I5-4200H，8G RAM,NVIDA GeForce GTX TitanX GPU；軟件環境：Ubuntu 16.06操作系統，TensorFlow深度學習框架。

3.2 實驗結果與分析

如表2所示，是本文算法(NSCT+CNN)與神經網絡(CNN)，支持向量機(HOG+SVM)[18]，K最近鄰算法(HOG+KNN)的比較結果。每組實驗的結果均是取三次實驗結果的平均值。其中，卷積神經網絡(CNN)使用的是LetNet-5網絡結構，激活函數是sigmoid；支持向量機(HOG+SVM)使用的是MATLAB版本的LIBSVM3.22，核函數為高斯核函數；K近鄰算法(KNN)選擇的K值為10。從表中可以看出NSCT+CNN的識別率最高，達到93.3%，超過CNN算法近4個百分點。而對于SVM和KNN算法，選擇了HOG算子作為特征提取算法，其識別率分別為87.6%和73.0%。值得一提的是提出算法的運行時間比CNN長1.3s，主要是因為尺度分解算法需要耗時，但隨著計算機計算能力的提升，這個問題的影響會越來越小。

表2 本文算法與其他算法的比較結果

Algorithm測試總數正確預測錯誤預測平均時間識別率(%)NSCT+CNN420392285.2s93.3CNN+SIGMOID420378423.9s90.0HOG+SVM420368523.4s87.6HOG+KNN42030711325.6s73.0

SAR圖像識別的精度受相干斑的影響較大，為了測試算法的魯棒性，基于實驗數據，測試了各組算法在不同級別噪聲下的識別率。圖6展示了目標2S1經五級椒鹽噪聲后的圖像，其中信噪比分別為0.01，0.02，0.03，0.04，0.05。其識別結果如表3所示。結果表明，本文提出的算法的魯棒性較高。在五級噪聲下，識別率受到較小的影響，下降了0.5個百分點，低于其他幾種算法下降的程度。幾組實驗的結果均驗證了本文算法的有效性和可行性。

圖6 五級椒鹽噪聲信噪比依次為0.01、0.02、0.03、0.04、0.05

表3 五級噪聲下的識別率比較

算法噪聲密度等級12345NSCT+CNN93.393.393.393.392.8CNN+SIGMOID90.090.090.089.287.6HOG+SVM87.686.685.786.0685.2HOG+KNN73.071.467.160.957.1

4 結束語

本文提出一種基于尺度分解和卷積神經網絡的SAR圖像識別方法。首先通過非下采樣輪廓波變換提取原圖像的高低頻信息，然后把原圖及高低頻分量空間連結作為特征圖輸入網絡進行訓練。實驗結果表明，和幾種典型算法相比，提出的算法具有較高的識別率，在MSTAR數據庫上達到93.3%；同時，算法具有較高抗噪性，在五級椒鹽噪聲的影響下下降了5%，能夠在一定程度上應對SAR圖像識別中的相干斑問題。算法的不足之處是識別速度有待提高，如何進一步提高算法的識別速度是研究的主要方向。