基于深度学习神经网络的SAR星上目标识别系统研究

星载合成孔径雷达(SAR)对地遥感成像具有全天候、全天时工作的优势,然而SAR图像的处理比光学图像复杂,降低了SAR图像应用的时效性。针对SAR图像的星上数据处理和目标识别问题,设计了基于卷积神经网络(CNN)的SAR图像目标智能识别系统,实现星地联合的星下增量学习、模型训练和星上目标检测功能。首先对SAR图像进行预处理,得到训练用的目标图像数据;然后设计了具有七层结构的CNN模型对SAR图像进行目标定位、识别和分类;最后,为了使训练后的CNN模型能部署到卫星上使用,设计了一种深度压缩算法对模型进一步压缩。与传统方法相比,该系统具有自动准确识别目标、易于部署等优点。在识别美国 “运动和静止目标