黄灿

摘要：本文首先对卷积神经网络SAR图像识别计算流程展开分析，而后进一步讨论了当前常见的几种模型的表现特征。

关键字：卷积神经網络;SAR;图像识别

合成孔径雷达（SAR，Synthetic Aperture Radar）在实际应用中有着良好的表现，其能够有效穿透云雾和植被，实现全天候的对地检测。作为一种电磁波相干成像系统，SAR图像会随着目标姿态、俯仰角度、周围环境的微小变化而发生较大的变化，在图像稳定性方面表现状态并不好，并且具有较强的相干斑噪声，这些都成为影响SAR图像识别工作的重要不良因素。在针对SAR展开目标识别这一问题相关领域中，众多相关技术层出不穷，热卷积神经网络在这个领域中则有着不错的应用表现。

一、卷积神经网络SAR图像识别计算流程分析

在SAR图像识别领域引入的卷积神经网络，其作为一种端对端的处理方式，可以直接将原始图像进行输入，在一定程度上降低了对图像数据预处理的要求，复杂的特征工程也因此得以避免，且卷积神经网络本身的自动学习数据的分层特征相比人工设计特征提取规则可以对原始数据进行更本质的刻画。卷积神经网络在SAR图像识别领域的优势不容忽视，对应的研究也应当更加深入，才能不断实现识别的优化。

SAR图像识别的卷积神经网络计算流程参见图1。

图1 卷积神经网络计算流程示意图

结合图1展开对于SAR图像识别过程中卷积神经网络算法流程的考察，可以发现，大体可以分为三个流程。……