基于ICNN和IGAN的SAR目標(biāo)識(shí)別方法

倉明杰， 喻玲娟， 謝曉春

(1.江西理工大學(xué)信息工程學(xué)院， 江西贛州 341000； 2.贛南師范大學(xué)物理與電子信息學(xué)院， 江西贛州 341000)

0 引言

近年來，卷積神經(jīng)網(wǎng)絡(luò)(Convolutional Neural Network, CNN)已廣泛應(yīng)用于合成孔徑雷達(dá)(Synthetic Aperture Radar, SAR)目標(biāo)識(shí)別。由于SAR數(shù)據(jù)采集難度大，用于目標(biāo)識(shí)別的數(shù)據(jù)集通常較小，如MSTAR數(shù)據(jù)集[1-3]、極化SAR數(shù)據(jù)集[4-5]，以及船只數(shù)據(jù)集[6-7]等，因此，基于CNN的SAR目標(biāo)識(shí)別容易產(chǎn)生過擬合問題。為了解決該問題，4個(gè)方面的改進(jìn)方法被提出。網(wǎng)絡(luò)結(jié)構(gòu)改進(jìn)方面：Chen等提出用卷積層替代全連接層的方法[1]；Pei等提出多視深度學(xué)習(xí)框架[8]；Shao等提出基于注意力機(jī)制的輕量級(jí)CNN[9]；Gao等提出雙通道CNN[10]。數(shù)據(jù)集擴(kuò)充方面：Ding等提出了3種數(shù)據(jù)擴(kuò)充方法[11]；Lu等提出了一種改進(jìn)的目標(biāo)旋轉(zhuǎn)擴(kuò)充方法[12]。遷移學(xué)習(xí)和CNN相結(jié)合方面：Huang等利用大場(chǎng)景圖像對(duì)卷積自編碼器進(jìn)行訓(xùn)練，然后遷移到SAR圖像目標(biāo)識(shí)別[13]；Wang等利用ImagNet數(shù)據(jù)集上訓(xùn)練好的VGG16模型遷移到SAR圖像目標(biāo)識(shí)別，然后用SAR數(shù)據(jù)對(duì)預(yù)訓(xùn)練好的模型進(jìn)行微調(diào)[14]。無監(jiān)督預(yù)訓(xùn)練和CNN相結(jié)合方面：卷積自編碼器是一種無監(jiān)督訓(xùn)練方法，先將訓(xùn)練好的卷積自編碼器的編碼器參數(shù)初始化CNN，然后再對(duì)CNN模型進(jìn)行微調(diào)[15-16]。

生成對(duì)抗網(wǎng)絡(luò)(Generative Adversarial Network, GAN)也是一種無監(jiān)督訓(xùn)練網(wǎng)絡(luò)，通過生成器和鑒別器兩者之間的博弈，使得生成的圖像難以被鑒別器鑒別[17]。目前基于GAN的SAR目標(biāo)識(shí)別研究較少，Gao等提出一種包含多個(gè)生成器、一個(gè)鑒別器和一個(gè)多分類器的GAN，并應(yīng)用于SAR圖像目標(biāo)識(shí)別[18]。本文采用多層特征匹配[19]的思想改進(jìn)GAN，并采用多層特征合成的思想改進(jìn)CNN，進(jìn)而提出一種基于改進(jìn)的卷積神經(jīng)網(wǎng)絡(luò)(Improved Convolutional Neural Network, ICNN)和改進(jìn)的生成對(duì)抗網(wǎng)絡(luò)(Improved Generative Adversarial Network, IGAN)的SAR目標(biāo)識(shí)別方法。MSTAR實(shí)驗(yàn)結(jié)果表明，該方法比直接采用ICNN的方法，不僅具有較高的識(shí)別率，而且具有更強(qiáng)的抗噪聲能力。

1 基于ICNN和IGAN的SAR目標(biāo)識(shí)別方法

基于ICNN和IGAN的SAR目標(biāo)識(shí)別方法如圖1所示，先采用訓(xùn)練樣本對(duì)IGAN進(jìn)行無監(jiān)督預(yù)訓(xùn)練，然后將訓(xùn)練好的IGAN鑒別器參數(shù)初始化ICNN，再利用訓(xùn)練樣本對(duì)ICNN微調(diào)，最后利用訓(xùn)練好的ICNN進(jìn)行測(cè)試樣本的分類。該方法的詳細(xì)步驟如下：

1) 將隨機(jī)噪聲作為IGAN的輸入，經(jīng)生成器G得到生成樣本；

2) 將真實(shí)或生成樣本輸入到鑒別器D，D的輸出為屬于真實(shí)樣本或生成樣本的概率；

3) 利用后向傳播算法更新G和D的參數(shù)，直到達(dá)到納什平衡；

4) 將訓(xùn)練好的D參數(shù)初始化ICNN；

5) 利用帶標(biāo)簽訓(xùn)練樣本對(duì)ICNN微調(diào)；

6) 將測(cè)試樣本輸入到訓(xùn)練好的ICNN，得到其所屬類別。

1.1 ICNN

傳統(tǒng)的CNN包括輸入層、隱藏層和輸出層，其中，隱藏層又包括卷積層、池化層和全連接層。在CNN基礎(chǔ)上，ICNN對(duì)隱藏層結(jié)構(gòu)進(jìn)行了改進(jìn)，輸出層仍為常用的Softmax分類器。ICNN隱藏層的改進(jìn)之處主要有：1) 采用步長(zhǎng)為s(s≥2，s∈N+)的卷積層替代池化層；2) 采用池化層以實(shí)現(xiàn)不同層次特征圖的尺寸相同化；3) 增加特征合成層，將不同層次特征圖進(jìn)行合成。因此，ICNN的結(jié)構(gòu)可以概括為卷積層、池化層、特征合成層、全連接層及Softmax分類層，如圖1所示。由于特征合成層的運(yùn)算為特征圖的簡(jiǎn)單合并，接下來詳細(xì)分析其他層的運(yùn)算過程。

1) 卷積層

2) 池化層

ICNN的池化運(yùn)算是將不同卷積層的輸出特征圖的尺寸相同化，以在隱藏層的最后一層實(shí)現(xiàn)不同層次特征的合成。假定第L+1層為特征合成層，則第l(1≤l≤L)層第j通道的特征圖的池化運(yùn)算結(jié)果為

(2)

式中，G表示池化窗口大小，(x,y)表示第L+1層特征圖的像素坐標(biāo)位置。

3) 全連接層

(3)

4) Softmax分類層

假定目標(biāo)總共有K類，將全連接層的輸出進(jìn)行Softmax分類，則輸入樣本屬于第k(k=1, 2,…,K)類的概率為

(4)

在ICNN的訓(xùn)練過程中，采用后向傳播算法進(jìn)行網(wǎng)絡(luò)參數(shù)的更新，并采用交叉熵作為損失函數(shù)，

(5)

式中，qk表示訓(xùn)練樣本的真實(shí)分類結(jié)果。如果訓(xùn)練樣本的標(biāo)簽為k，則qk=1；否則，qk=0。

1.2 IGAN

傳統(tǒng)的GAN包括生成器G和鑒別器D兩部分。IGAN是在GAN的基礎(chǔ)上，按照1.1節(jié)中ICNN的結(jié)構(gòu)進(jìn)行了改進(jìn)，對(duì)D增加了特征合成層，如圖1所示。其中，D的結(jié)構(gòu)包括卷積層、池化層、特征合成層以及全連接層；G包括全連接層和反卷積層。

IGAN的工作原理和GAN相同，表現(xiàn)為G和D兩者之間的博弈。G的輸入為噪聲z，服從先驗(yàn)分布pz(z)，輸出為生成樣本G(z)；D的輸入為真實(shí)樣本x或生成樣本G(z)，輸出為屬于x或G(z)的概率。若x服從分布pdata，G(z)服從分布pg，則G的目標(biāo)是使生成樣本的分布pg盡可能接近pdata，而D的目標(biāo)是正確區(qū)分x和G(z)。因此，IGAN的目標(biāo)函數(shù)可表示為

Ez：pz(z)[log(1-D(G(z)))]

(6)

在IGAN訓(xùn)練過程中，分別對(duì)D和G進(jìn)行訓(xùn)練。當(dāng)訓(xùn)練D時(shí)，先固定G的網(wǎng)絡(luò)參數(shù)。一方面，對(duì)x而言，期望D(x)最大；另一方面，對(duì)G(z)而言，期望D(G(z))最小，即最大化1-D(G(z))。當(dāng)訓(xùn)練G時(shí)，固定D的網(wǎng)絡(luò)參數(shù)，G的目標(biāo)是期望D(G(z))最大，即最小化1-D(G(z))。

此外，進(jìn)一步采用特征匹配方法提高IGAN的穩(wěn)定性[19]。假設(shè)F(x)表示D中不同層的特征，則G的特征匹配損失函數(shù)為

Lfeature_match=‖Ex：pdata(x)F(x)-Ez：pz(z)F(G(z))‖

(7)

2 ICNN和IGAN的結(jié)構(gòu)參數(shù)

本節(jié)采用上節(jié)提出的方法，對(duì)MSTAR數(shù)據(jù)集(詳見第3節(jié))進(jìn)行SAR目標(biāo)識(shí)別。按照ICNN和IGAN的前向傳播過程，詳細(xì)地介紹它們的結(jié)構(gòu)參數(shù)。

2.1 ICNN

ICNN包括6個(gè)卷積層、2個(gè)最大池化層、1個(gè)特征合成層、1個(gè)全連接層和Softmax分類層，所有卷積核的大小均為5×5，每個(gè)卷積層后采用LReLU激活函數(shù)，如圖2所示。ICNN的前向傳播過程和各層參數(shù)如下：

圖2 ICNN的結(jié)構(gòu)和參數(shù)

1) 輸入為一幅128×128的SAR圖像，經(jīng)過第一層16個(gè)s=2的卷積核卷積后，輸出為16幅64×64的特征圖；

2) 經(jīng)過第二層32個(gè)s=2的卷積核卷積后，輸出為32幅32×32的特征圖；

3) 經(jīng)過第三層64個(gè)s=2的卷積核卷積后，輸出為64幅16×16的特征圖；

4) 經(jīng)過第四層128個(gè)s=1的卷積核卷積后，輸出為128幅16×16的特征圖；

5) 經(jīng)過第五層256個(gè)s=2的卷積核卷積后，輸出為256幅8×8的特征圖；

6) 經(jīng)過第六層512個(gè)s=2的卷積核卷積后，輸出為512幅4×4的特征圖；

7) 將步驟4)得到的特征圖，經(jīng)過大小為4×4且s=4的最大池化層后，輸出為128幅4×4的特征圖；

8) 將步驟5)得到的特征圖，經(jīng)過大小為2×2且s=2的最大池化層后，輸出為256幅4×4的特征圖；

9) 將步驟6)～8)得到的特征圖進(jìn)行合成，輸出為896幅4×4的特征圖；

10) 將合成特征圖展平，并經(jīng)過全連接層，輸出為1×10的矢量；

11) 經(jīng)過Softmax分類器輸出目標(biāo)所屬類別的概率。

2.2 IGAN

IGAN的鑒別器D和ICNN的隱藏層結(jié)構(gòu)參數(shù)相同，生成器G包括6個(gè)反卷積層和2個(gè)全連接層，前5個(gè)反卷積層后采用ReLU激活函數(shù)，最后1個(gè)反卷積層后采用tanh激活函數(shù)，如圖3所示。為了減輕反卷積層帶來的棋盤偽影，所有卷積核的大小均為4×4。G的前向傳播過程和各層參數(shù)如下：

圖3 IGAN的結(jié)構(gòu)和參數(shù)

1) 隨機(jī)產(chǎn)生1×100的噪聲，經(jīng)過2個(gè)全連接層后，輸出為1×8 192的矢量；

2) 將矢量變形為512幅4×4的圖像，經(jīng)過第一層256個(gè)反卷積核反卷積后，輸出為256幅8×8的圖像；

3) 經(jīng)過第二層128個(gè)反卷積核反卷積后，輸出為128幅16×16的圖像；

4) 經(jīng)過第三層64個(gè)反卷積核反卷積后，輸出為64幅16×16的圖像；

5) 經(jīng)過第四層32個(gè)反卷積核反卷積后，輸出為32幅32×32的圖像；

6) 經(jīng)過第五層16個(gè)反卷積核反卷積后，輸出為16幅64×64的圖像；

7) 經(jīng)過第六層1個(gè)反卷積核反卷積后，輸出為1幅128×128的圖像。

3 實(shí)驗(yàn)結(jié)果

實(shí)驗(yàn)采用的MSTAR數(shù)據(jù)集共包括10種不同類別的地面目標(biāo)，其光學(xué)圖像及相應(yīng)的SAR圖像如圖4所示。MSTAR訓(xùn)練集和測(cè)試集中包含的各類目標(biāo)的數(shù)量如表1所示，顯然，共有2 747個(gè)訓(xùn)練樣本和2 425個(gè)測(cè)試樣本，訓(xùn)練集為17°下視角數(shù)據(jù)，測(cè)試集為15°下視角數(shù)據(jù)。實(shí)驗(yàn)前將所有的SAR圖像切割成128×128大小，且保持目標(biāo)在圖像中心。實(shí)驗(yàn)按照采用全部的數(shù)據(jù)集、減少訓(xùn)練樣本數(shù)、加不同比例的噪聲，以及加不同功率的噪聲四種情況分別進(jìn)行。為了驗(yàn)證基于ICNN和IGAN方法的有效性，將其與直接采用基于ICNN的方法進(jìn)行對(duì)比。

表1 MSTAR數(shù)據(jù)集

圖4 10類目標(biāo)的光學(xué)圖像及相應(yīng)的SAR圖像

網(wǎng)絡(luò)訓(xùn)練前，在基于ICNN和IGAN方法中，隨機(jī)初始化IGAN的G和D網(wǎng)絡(luò)參數(shù)；在直接采用基于ICNN的方法中，隨機(jī)初始化ICNN的參數(shù)。兩種方法在訓(xùn)練過程中，設(shè)置批尺寸大小為64，并采用Adam算法[20]完成網(wǎng)絡(luò)參數(shù)的更新。為了保持對(duì)抗平衡，IGAN的G和D的更新次數(shù)比設(shè)定為1∶2。

1) 采用全部的數(shù)據(jù)集

采用全部的訓(xùn)練和測(cè)試樣本進(jìn)行實(shí)驗(yàn)，基于ICNN和IGAN的識(shí)別方法得到的10類目標(biāo)的混淆矩陣如表2所示，該方法與直接基于ICNN的方法得到的各類目標(biāo)的正確識(shí)別率及平均正確識(shí)別率如表3所示。結(jié)果表明，基于ICNN和IGAN方法的平均正確識(shí)別率為98.72%，而直接基于ICNN的方法的平均正確識(shí)別率為97.32%，即前者比后者高1.4%。

表2 基于ICNN和IGAN的SAR目標(biāo)識(shí)別結(jié)果

續(xù)表2

表3 兩種方法的實(shí)驗(yàn)結(jié)果對(duì)比

2) 減少訓(xùn)練樣本數(shù)

當(dāng)訓(xùn)練樣本數(shù)從100%減少到10%，而測(cè)試樣本數(shù)量不變時(shí)，兩種方法得到的平均正確識(shí)別率隨訓(xùn)練樣本數(shù)減少的變化情況如圖5所示。結(jié)果表明，當(dāng)訓(xùn)練樣本數(shù)大于30%時(shí)，兩種方法得到的平均正確識(shí)別率都較高；當(dāng)樣本數(shù)減少至30%時(shí)，基于ICNN和IGAN的方法和直接基于ICNN的方法得到的平均正確識(shí)別率分別為96.37%和92.78%。當(dāng)樣本數(shù)低于30%時(shí)，兩種方法得到的平均正確識(shí)別率都下降比較快，其原因是多數(shù)方位角下的訓(xùn)練樣本被丟棄，網(wǎng)絡(luò)難以學(xué)習(xí)到各方位角下的目標(biāo)特征。

圖5 平均正確識(shí)別率隨訓(xùn)練樣本數(shù)減少的變化情況

3) 加不同比例的噪聲

定義噪聲比例為SAR原圖像中的像素單元被噪聲取代的數(shù)量占所有像素單元數(shù)量的比例[1]。若噪聲服從均勻分布，則加入5%、10%、15%、20%噪聲后的SAR圖像分別如圖6(a)～(d)所示。采用100%、50%、30%的訓(xùn)練樣本和100%的測(cè)試樣本分別進(jìn)行實(shí)驗(yàn)，當(dāng)噪聲比例從5%增加到20%時(shí)，兩種方法的平均正確識(shí)別率隨噪聲比例的變化情況如圖7所示。結(jié)果表明，兩種方法的平均正確識(shí)別率隨噪聲比例的增加而降低。此外，在訓(xùn)練樣本數(shù)相同的情況下，基于ICNN和IGAN的方法比直接基于ICNN的方法具有更高的識(shí)別率，即前者比后者具有更強(qiáng)的抗噪聲能力。

圖6 加不同比例噪聲后的SAR圖像

圖7 平均正確識(shí)別率隨噪聲比例增加的變化情況

4) 加不同功率的噪聲

圖8 不同信噪比的SAR圖像

圖9 平均正確識(shí)別率隨信噪比下降的變化情況

4 結(jié)束語

本文針對(duì)基于CNN的SAR圖像目標(biāo)識(shí)別中，因數(shù)據(jù)集小易產(chǎn)生過擬合問題，提出了一種基于ICNN和IGAN相結(jié)合的方法。該方法先用訓(xùn)練樣本對(duì)IGAN進(jìn)行無監(jiān)督預(yù)訓(xùn)練，然后將訓(xùn)練好的IGAN鑒別器參數(shù)初始化ICNN，再利用訓(xùn)練樣本對(duì)ICNN微調(diào)，最后利用訓(xùn)練好的ICNN進(jìn)行測(cè)試樣本的分類輸出。為了驗(yàn)證該方法的有效性，采用MSTAR數(shù)據(jù)集分別進(jìn)行了全部數(shù)據(jù)集、減少訓(xùn)練樣本數(shù)、加不同比例噪聲和不同功率噪聲的實(shí)驗(yàn)。實(shí)驗(yàn)結(jié)果表明，基于ICNN和IGAN的方法比直接基于ICNN的方法，不僅具有更高的平均正確識(shí)別率，而且具有更強(qiáng)的抗噪聲能力。