基于ICNN和IGAN的SAR目標識別方法

倉明杰， 喻玲娟， 謝曉春

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

0 引言

近年來，卷積神經網絡(Convolutional Neural Network, CNN)已廣泛應用于合成孔徑雷達(Synthetic Aperture Radar, SAR)目標識別。由于SAR數據采集難度大，用于目標識別的數據集通常較小，如MSTAR數據集[1-3]、極化SAR數據集[4-5]，以及船只數據集[6-7]等，因此，基于CNN的SAR目標識別容易產生過擬合問題。為了解決該問題，4個方面的改進方法被提出。網絡結構改進方面：Chen等提出用卷積層替代全連接層的方法[1]；Pei等提出多視深度學習框架[8]；Shao等提出基于注意力機制的輕量級CNN[9]；Gao等提出雙通道CNN[10]。數據集擴充方面：Ding等提出了3種數據擴充方法[11]；Lu等提出了一種改進的目標旋轉擴充方法[12]。遷移學習和CNN相結合方面：Huang等利用大場景圖像對卷積自編碼器進行訓練，然后遷移到SAR圖像目標識別[13]；Wang等利用ImagNet數據集上訓練好的VGG16模型遷移到SAR圖像目標識別，然后用SAR數據對預訓練好的模型進行微調[14]。無監督預訓練和CNN相結合方面：卷積自編碼器是一種無監督訓練方法，先將訓練好的卷積自編碼器的編碼器參數初始化CNN，然后再對CNN模型進行微調[15-16]。

生成對抗網絡(Generative Adversarial Network, GAN)也是一種無監督訓練網絡，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目標識別研究較少，Gao等提出一種包含多個生成器、一個鑒別器和一個多分類器的GAN，并應用于SAR圖像目標識別[18]。本文采用多層特征匹配[19]的思想改進GAN，并采用多層特征合成的思想改進CNN，進而提出一種基于改進的卷積神經網絡(Improved Convolutional Neural Network, ICNN)和改進的生成對抗網絡(Improved Generative Adversarial Network, IGAN)的SAR目標識別方法。MSTAR實驗結果表明，該方法比直接采用ICNN的方法，不僅具有較高的識別率，而且具有更強的抗噪聲能力。

1 基于ICNN和IGAN的SAR目標識別方法

基于ICNN和IGAN的SAR目標識別方法如圖1所示，先采用訓練樣本對IGAN進行無監督預訓練，然后將訓練好的IGAN鑒別器參數初始化ICNN，再利用訓練樣本對ICNN微調，最后利用訓練好的ICNN進行測試樣本的分類。該方法的詳細步驟如下：

1) 將隨機噪聲作為IGAN的輸入，經生成器G得到生成樣本；

2) 將真實或生成樣本輸入到鑒別器D，D的輸出為屬于真實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，直到達到納什平衡；

4) 將訓練好的D參數初始化ICNN；

5) 利用帶標簽訓練樣本對ICNN微調；

6) 將測試樣本輸入到訓練好的ICNN，得到其所屬類別。

1.1 ICNN

傳統的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基礎上，ICNN對隱藏層結構進行了改進，輸出層仍為常用的Softmax分類器。ICNN隱藏層的改進之處主要有：1) 采用步長為s(s≥2，s∈N+)的卷積層替代池化層；2) 采用池化層以實現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行合成。因此，ICNN的結構可以概括為卷積層、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算為特征圖的簡單合并，接下來詳細分析其他層的運算過程。

1) 卷積層

2) 池化層

ICNN的池化運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現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算結果為

(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位置。

3) 全連接層

(3)

4) Softmax分類層

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

(4)

在ICNN的訓練過程中，采用后向傳播算法進行網絡參數的更新，并采用交叉熵作為損失函數，

(5)

式中，qk表示訓練樣本的真實分類結果。如果訓練樣本的標簽為k，則qk=1；否則，qk=0。

1.2 IGAN

傳統的GAN包括生成器G和鑒別器D兩部分。IGAN是在GAN的基礎上，按照1.1節中ICNN的結構進行了改進，對D增加了特征合成層，如圖1所示。其中，D的結構包括卷積層、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，表現為G和D兩者之間的博弈。G的輸入為噪聲z，服從先驗分布pz(z)，輸出為生成樣本G(z)；D的輸入為真實樣本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的目標是使生成樣本的分布pg盡可能接近pdata，而D的目標是正確區分x和G(z)。因此，IGAN的目標函數可表示為

Ez：pz(z)[log(1-D(G(z)))]

(6)

在IGAN訓練過程中，分別對D和G進行訓練。當訓練D時，先固定G的網絡參數。一方面，對x而言，期望D(x)最大；另一方面，對G(z)而言，期望D(G(z))最小，即最大化1-D(G(z))。當訓練G時，固定D的網絡參數，G的目標是期望D(G(z))最大，即最小化1-D(G(z))。

此外，進一步采用特征匹配方法提高IGAN的穩定性[19]。假設F(x)表示D中不同層的特征，則G的特征匹配損失函數為

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

(7)

2 ICNN和IGAN的結構參數

本節采用上節提出的方法，對MSTAR數據集(詳見第3節)進行SAR目標識別。按照ICNN和IGAN的前向傳播過程，詳細地介紹它們的結構參數。

2.1 ICNN

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

圖2 ICNN的結構和參數

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

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

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

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

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

6) 經過第六層512個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，并經過全連接層，輸出為1×10的矢量；

11) 經過Softmax分類器輸出目標所屬類別的概率。

2.2 IGAN

IGAN的鑒別器D和ICNN的隱藏層結構參數相同，生成器G包括6個反卷積層和2個全連接層，前5個反卷積層后采用ReLU激活函數，最后1個反卷積層后采用tanh激活函數，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如下：

圖3 IGAN的結構和參數

1) 隨機產生1×100的噪聲，經過2個全連接層后，輸出為1×8 192的矢量；

2) 將矢量變形為512幅4×4的圖像，經過第一層256個反卷積核反卷積后，輸出為256幅8×8的圖像；

3) 經過第二層128個反卷積核反卷積后，輸出為128幅16×16的圖像；

4) 經過第三層64個反卷積核反卷積后，輸出為64幅16×16的圖像；

5) 經過第四層32個反卷積核反卷積后，輸出為32幅32×32的圖像；

6) 經過第五層16個反卷積核反卷積后，輸出為16幅64×64的圖像；

7) 經過第六層1個反卷積核反卷積后，輸出為1幅128×128的圖像。

3 實驗結果

實驗采用的MSTAR數據集共包括10種不同類別的地面目標，其光學圖像及相應的SAR圖像如圖4所示。MSTAR訓練集和測試集中包含的各類目標的數量如表1所示，顯然，共有2 747個訓練樣本和2 425個測試樣本，訓練集為17°下視角數據，測試集為15°下視角數據。實驗前將所有的SAR圖像切割成128×128大小，且保持目標在圖像中心。實驗按照采用全部的數據集、減少訓練樣本數、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行。為了驗證基于ICNN和IGAN方法的有效性，將其與直接采用基于ICNN的方法進行對比。

表1 MSTAR數據集

圖4 10類目標的光學圖像及相應的SAR圖像

網絡訓練前，在基于ICNN和IGAN方法中，隨機初始化IGAN的G和D網絡參數；在直接采用基于ICNN的方法中，隨機初始化ICNN的參數。兩種方法在訓練過程中，設置批尺寸大小為64，并采用Adam算法[20]完成網絡參數的更新。為了保持對抗平衡，IGAN的G和D的更新次數比設定為1∶2。

1) 采用全部的數據集

采用全部的訓練和測試樣本進行實驗，基于ICNN和IGAN的識別方法得到的10類目標的混淆矩陣如表2所示，該方法與直接基于ICNN的方法得到的各類目標的正確識別率及平均正確識別率如表3所示。結果表明，基于ICNN和IGAN方法的平均正確識別率為98.72%，而直接基于ICNN的方法的平均正確識別率為97.32%，即前者比后者高1.4%。

表2 基于ICNN和IGAN的SAR目標識別結果

續表2

表3 兩種方法的實驗結果對比

2) 減少訓練樣本數

當訓練樣本數從100%減少到10%，而測試樣本數量不變時，兩種方法得到的平均正確識別率隨訓練樣本數減少的變化情況如圖5所示。結果表明，當訓練樣本數大于30%時，兩種方法得到的平均正確識別率都較高；當樣本數減少至30%時，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別率分別為96.37%和92.78%。當樣本數低于30%時，兩種方法得到的平均正確識別率都下降比較快，其原因是多數方位角下的訓練樣本被丟棄，網絡難以學習到各方位角下的目標特征。

圖5 平均正確識別率隨訓練樣本數減少的變化情況

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量占所有像素單元數量的比例[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%的訓練樣本和100%的測試樣本分別進行實驗，當噪聲比例從5%增加到20%時，兩種方法的平均正確識別率隨噪聲比例的變化情況如圖7所示。結果表明，兩種方法的平均正確識別率隨噪聲比例的增加而降低。此外，在訓練樣本數相同的情況下，基于ICNN和IGAN的方法比直接基于ICNN的方法具有更高的識別率，即前者比后者具有更強的抗噪聲能力。

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 平均正確識別率隨信噪比下降的變化情況

4 結束語

本文針對基于CNN的SAR圖像目標識別中，因數據集小易產生過擬合問題，提出了一種基于ICNN和IGAN相結合的方法。該方法先用訓練樣本對IGAN進行無監督預訓練，然后將訓練好的IGAN鑒別器參數初始化ICNN，再利用訓練樣本對ICNN微調，最后利用訓練好的ICNN進行測試樣本的分類輸出。為了驗證該方法的有效性，采用MSTAR數據集分別進行了全部數據集、減少訓練樣本數、加不同比例噪聲和不同功率噪聲的實驗。實驗結果表明，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別率，而且具有更強的抗噪聲能力。