基于小样本学习的SAR图像识别

姓名：刘倩   学号：19021210889

【嵌牛导读】：对于SAR图像目标识别，目前研究人员是基于大样本进行建模和研究，而对于小样本条件下的SAR图像目标识别，只有少部分人开展了研究，并且与大样本数据相比较，其识别准确率较低。针对这一问题提出了一种新的算法——卷积自编码器算法。该方法能自动识别小样本图像中的有效特征，提高识别准确率。

【嵌牛鼻子】：小样本学习，深度学习，卷积神经网络，自编码器

【嵌牛提问 】：如何有效进行SAR样本识别？

【嵌牛正文】：

深度学习已经成为图像识别领域的一个研究热点。与传统的图像识别方法不同的是，深度学习是从大量数据中自动学习特征，并且具有强大的自学能力和高效的特征表达能力。但在小样本条件下，传统的深度学习方法如卷积神经网络难以学习到有效的特征，造成图像识别准确率较低。因此，提出了一种新的小样本条件下的图像识别的算法用于解决SAR图像的分类识别。该算法以卷积神经网络为基础，结合自编码器，形成深度卷积自编码网络结构。首先对图像进行预处理，使用2D Gabor滤波增强图案，在此基础上对模型进行训练，最后构建图像分类模型。