冯博迪,杨海涛,李高源,王晋宇,张长弓

(航天工程大学 a.研究生院；b.航天信息学院，北京 101416)

1 引言

SAR因为其独特的成像特点，在侦察，导航，制导，遥感等领域都发挥着重要的作用[1]。随着SAR成像技术的不断提升，SAR图像中的目标信息也呈指数型增长，而SAR图像的图像特点决定了它不能像光学图像一样通过人眼就可对其进行直观解译，SAR图像的判读往往需要依靠专家的经验知识，解译效率低下。由于传统的人工判读方法已经无法做到快速且精准的实现SAR图像的目标识别与检测，加快数据处理和提高检测精度已成为新的挑战，因此基于SAR图像的自动目标识别技术也受到越来越多的重视。

目前如何更好地利用所获取的信息，加快数据处理和提高检测精度是该技术研究和发展的主要方向之一。在传统的SAR图像目标识别方法中，特征的提取方法通常是由手工设计，而不同类型的目标所依赖的特征不同，该方法缺乏通用性。

因此需要一种方法能够自动学习图像有效特征进而对其进行分类识别，基于大数据的深度学习方法满足了这一需求。近年来，深度学习在众多领域都有着令人叹为观止的应用进展，其中，在众多网络模型中，卷积神经网络(convolution neural nNetwork,CNN)[2]已经在图像分类与识别、语音信号识别等众多领域做出了杰出贡献[3-9]。

卷积神经网络具有自动进行特征提取的特点，省去了人工特征选择的工序，并且能够实现对目标潜在特征信息的挖掘，也由其优异的图像分类识别效果，在雷达图像处理领域的应用日趋广泛，已成为了新的研究热点。……