基于CNN的SAR圖像目標和場景分類算法

， ， ， ，

(長沙理工大學電氣與信息工程學院， 湖南長沙 410114)

0 引言

合成孔徑雷達(Synthetic Aperture Radar，SAR)是一種基于飛機、衛星、宇宙飛船等多種平臺的主動式對地觀測系統，能全天時、全天候對地面進行觀測。隨著SAR系統與成像技術的不斷進步與完善,大量的SAR圖像需要處理，因此從眾多基于復雜場景的圖像中獲取特征信息并應用于目標檢測、目標分類和識別、場景分類等問題成為了SAR圖像解譯領域的研究趨勢。傳統的SAR圖像場景分類關鍵環節是為圖像建立一種有效的表示，使得這種表示既能穩定地獲取反映場景類別的結構信息，又能抑制紋理等細節上的不顯著差異[1]。SIFT[2]和GIST[3]是兩種比較常見的圖像描述特征，對平移、縮放及遮擋等情況具有穩定的辨別能力。以上針對SAR圖像的目標和場景分類的研究均基于人為設計的特征描述，對提取的特征在分類問題上的穩定性要求較高，并且由于這些特征通常都是單一的基于目標的底層或中層視覺特征，因此針對大的數據集往往無法獲得充分表征數據的本質屬性，導致分類性能較差。

深度學習是一種基于人工神經網絡的機器學習算法，通過一種深層神經網絡逐層提取數據的底層到高層特征，獲取數據的分布式特征表示。近年來，深度學習模型在圖像識別與分類領域展現出了強大的學習能力，在Image Net數據集上一種深度神經網絡將錯誤率從之前的26%降到了15%[4]。隨后許多學者在不同的應用背景下提出了多種深度學習模型如棧式消噪自動編碼機[5]、深度置信網絡和卷積神經網絡等。卷積神經網絡作為一種基于局部感受野視覺原理的深度學習框架，圖像可直接作為網絡的輸入，是一種端到端的網絡模型。目前卷積神經網絡在圖像識別領域取得了廣泛的應用，如人臉識別[6]、行為識別[7]、醫學圖像識別[8]等。

針對SAR圖像目標和場景分類問題，本文提出一種改進的卷積神經網絡算法。首先針對訓練樣本較少問題，采用數據增強的方法從已有數據中產生一批新的數據；然后利用卷積層局部感受野和權值共享的特點減少網絡參數，并引入ReLU非線性激活函數加速網絡的收斂；針對高層卷積層參數過多的問題，采用了一種多尺度模塊替代卷積層；輸出層采用卷積和全局均值池化的組合替代全連接層。實驗結果表明，該算法具有較好的分類效果。

1 卷積神經網絡

卷積神經網絡(Convolutional Neural Network，CNN)是人工神經網絡中的一種監督學習網絡，目前已成為當前語音分析和圖像識別與分類領域的研究熱點。CNN的權值共享網絡結構使之更類似于生物神經網絡，降低了網絡模型的復雜度，減少了權值的數量。卷積網絡是為識別二維形狀而特殊設計的一個多層感知器，這種網絡結構對平移、比例縮放、傾斜等圖像變形具有高度不變性。在CNN中，圖像的一小部分即局部感受野作為層級網絡結構的底層輸入，每層通過一個數字濾波器去獲得觀測數據最顯著的特征，特征信息再依次傳輸到更高的層。卷積神經網絡基本結構示意圖如圖1所示。

2 改進的基于CNN的SAR圖像分類算法

2.1 數據增強

卷積神經網絡作為一種由數據驅動的監督式學習網絡，通常需要大量的數據作為支撐，才能獲得較好的分類效果。針對卷積神經網絡訓練過程中因數據量較小引起的過擬合問題，在訓練樣本準備階段，采用數據增強(Data Augmentation)的方法通過平移、翻轉、加噪聲等方法從已有數據中產生出一批新的數據，人工增加了訓練樣本的大小。

2.2 改進的CNN網絡結構

2.2.1 卷積層

在卷積層，基于局部感受野的人體視覺原理，將輸入圖像或上一層的特征圖與該層的卷積濾波器進行卷積加偏置，通過一個非線性激活函數輸出卷積層的輸出特征圖(feature map)：

(1)

fc=f(y)

(2)

式中,xl-1為上一層輸出的特征圖，k為卷積核，b為偏置，“*”為卷積計算，f()為非線性激活函數，fc為卷積層的輸出特征圖。選擇ReLU函數作為卷積層的非線性激活函數。常用的非線性激活函數如sigmoid和tanh由于其正負飽和區的梯度都接近于0，會出現梯度彌散[9]問題，而ReLU函數在對應輸入大于0的部分梯度為常數，因此有效地避免了梯度彌散的出現[10]。

2.2.2 池化層

在卷積神經網絡中，由于圖像直接作為網絡的輸入且卷積濾波器會輸出大量的特征圖，為了減少待處理數據的數量，需要對網絡中產生的特征圖進行降維。在池化層，對卷積層的輸出特征圖進行下采樣，實現數據的降維。均值和最大值是目前常用的兩種池化方式。本算法采用最大值池化作為下采樣方式，輸出池化區域中的最大值：

Rl=max(Rl-1)

(3)

式中，Rl-1表示上一層的輸出特征圖中對應的一個池化區域，Rl表示該池化區域的最大值下采樣輸出。

2.2.3 多尺度卷積模塊

卷積神經網絡在圖像識別領域已經展現了其強大的學習能力，目前提高卷積神經網絡性能最直接的方法就是增加網絡的深度，以提升網絡對數據的表征能力。但網絡深度的增加意味著參數的增加，這使得擴大后的網絡易出現過擬合的問題。針對這一問題，在參數較多的高層卷積層，采用一種多尺度卷積模塊(Inception)[11]替代高層卷積層，在保證網絡深度的同時，減少了網絡參數數量。多尺度卷積模塊示意圖如圖2所示。

該模塊包含3種尺度的卷積和池化操作，其中3×3的卷積和3×3的最大值池化在模塊中作為過濾器實現數據特征提取，1×1的卷積主要起到特征圖降維的效果。通過多尺度卷積模塊的引入，增加了網絡的深度和寬度，同時相比于傳統卷積層單一尺度的卷積操作，多尺度模塊的輸出特征圖包含了更豐富的特征信息。

2.2.4 卷積和全局均值池化

傳統的CNN通過全連接層整合特征圖信息輸出分類結果，而CNN中大部分訓練參數集中于全連接層，過多的網絡參數往往帶來訓練收斂效果差和過擬合的問題。在本文算法中，采用卷積層和全局均值池化(Global Average Pooling，GAP)的組合作為CNN的輸出層，卷積層輸出為個數為N的特征圖(分別對應樣本的N個類別)，然后通過一個全局均值池化將這N個特征圖降維成1×1的尺寸，最后采用Softmax進行歸一化，輸出對應類別的概率。由于卷積是一種局部連接的神經元輸出，相比較與全連接層，這種組合能有效地減少網絡的參數。Softmax回歸模型是logistic回歸模型在多分類問題上的推廣，對于給定的輸入x，Softmax的回歸模型定義如下：

(4)

式中，zk表示第k個神經元的輸出，wT和b分別表示權重和偏置。由式(4)可以看出，Softmax回歸模型把神經元的輸出映射到0～1之間，同時起到了歸一化的作用。該算法中誤差函數定義為交叉熵誤差函數：

E=-∑kyklnzk

(5)

式中，zk表示神經元實際輸出，yk表示對應于第k類的真實值，取值為0或1。

2.3 算法流程

圖3為改進的基于卷積神經網絡的SAR圖像目標識別算法流程圖。具體步驟如下：

1) SAR圖像數據集通過數據增強處理，得到的擴充訓練樣本作為卷積神經網絡的輸入；

2) 根據高斯分布隨機初始化方法，對卷積層和全連接層的權重和偏置進行初始化；

3) 卷積神經網絡訓練：

① 根據式(1)、式(2)計算卷積，采用ReLU函數對卷積結果進行非線性，得到卷積層的特征圖；

② 根據式(3)對上一層的特征圖進行最大值下采樣，輸出池化層的特征圖；

③ 將經卷積和池化操作提取到的特征圖輸入到多尺度卷積模塊，得到該層的特征圖輸出；

④ 將先前層提取到的特征圖通過卷積和全局均值池化，輸出對應各類的特征圖,最后利用Softmax回歸模型輸出對應類別概率，根據式(4)得到識別結果；

⑤ 根據式(5)計算網絡權值和偏置的梯度，采用梯度下降法進行誤差反向傳播，從而調整網絡參數。

3 實驗結果與分析

為了驗證算法的有效性，分別采用美國國防部高級研究計劃局(DARPA)支持的MSTAR公開數據集和陜西渭南地區的高分辨率SAR圖像進行目標和場景分類實驗。實驗基于caffe深度學習框架構造卷積神經網絡，具體環境為：i7-6700(3.4 GHz，四核)，16 GB內存，卷積神經網絡訓練過程采用GPU加速。

3.1 MSTAR 10類目標識別結果與分析

3.1.1 卷積神經網絡框架配置與數據分布

針對MSTAR數據集，構建一個包含5個卷積層、5個池化層和1個多尺度卷積模塊的卷積神經網絡,網絡框架配置如表1所示。將數據增強后的MSTAR數據集訓練樣本直接作為網絡的輸入，最終輸出層輸出一個N維的向量，對應于N個類別的概率。

表1 CNN框架配置

MSTAR數據集是通過高分辨率的聚束式合成孔徑雷達采集到的靜止車輛的SAR切片圖像，包括多類目標SAR圖像數據。實驗中，訓練樣本為17°方位角的SAR圖像數據，測試樣本為15°方位角的SAR圖像數據。在10類目標識別實驗中，實驗數據包括BMP2，BTR70，T72，2S1，BRDM2，ZSU234，BTR60，D7，T62，ZIL131十類目標數據。采用數據增強對訓練樣本進行擴充，通過像素平移的方法使得每類訓練數據在原有基礎上擴充了5倍，10類目標測試與訓練數據分布如表2所示。

表2 10類目標測試與訓練數據分布

采用批量隨機梯度下降法(Mini-Batch Stochastic Gradient Descent，MSGD)訓練網絡，batchsize設置為25，學習率設置為0.001，訓練迭代60 000次，10類目標的最終分類結果如表3所示。

表3 10類目標分類結果

3.1.2 不同框架對比

為了更好地評測本文算法提出的框架的性能，構建一個與本文算法框架具有相同網絡層數的CNN框架進行對比。在網絡的前4個卷積層，對比框架與本文算法框架具有相同的卷積核尺寸和數量；為了對比不同結構作為網絡輸出層的效果，對比框架的輸出層設置為全連接層。兩個CNN框架具體參數如表4所示，其中CNN-1為本文算法的框架，CNN-2為對比框架，加粗數字指網絡中的訓練參數。

表4 網絡框架參數對比

由表4可以計算出CNN-1網絡訓練參數為 4 930，CNN-2網絡訓練參數為35 900，CNN-1相比較于CNN-2參數減少了86%。兩個CNN框架均基于caffe平臺構建，訓練樣本為MSTAR的10類數據，訓練過程最大迭代次數為60 000次，訓練和測試的訓練誤差和測試正確率曲線如圖4和圖5所示。

由訓練誤差曲線可以看出，兩個CNN框架在訓練迭代15 000次后誤差已基本達到收斂，其中CNN-1收斂速度較慢，可能的原因是多尺度模塊的引入，導致梯度在反向傳播時計算量增加。由測試正確率曲線可以看出，在迭代約24 000次后，CNN-1的測試正確率已超過CNN-2，且正確率大小整體趨于穩定。

3.2 高分辨率SAR圖像場景分類

實驗采用陜西渭南地區的機載高分辨率SAR圖像(分辨率為1 m)進行場景分類，通過Photoshop工具對尺寸為7 420×10 788的原始高分辨率SAR圖像截取出667張包含3類SAR圖像場景的局部SAR圖像，尺寸為500×500，以8∶2的比例分配給卷積神經網絡作為訓練及測試樣本。3類(農田、城鎮、高架橋)SAR局部場景圖像如圖6所示。

針對高分辨率SAR圖像場景分類問題，構建一個卷積神經網絡如表5所示。訓練樣本準備階段，首先采用最大值下采樣池化對尺寸為500×500的局部SAR圖像進行降維；然后通過數據增強的方法，將圖像分別旋轉4個角度，使得訓練樣本的數量擴充為原來的4倍。

表5 CNN框架配置

采用批量隨機梯度下降法訓練網絡，batchsize設置為27，學習率設置為0.001，訓練迭代50 000次，3類SAR場景的最終測試分類結果如表6所示。由表6所示可以得出本文算法在3類SAR圖像場景分類上取得了較好的分類精度。

表6 場景分類結果

4 結束語

本文針對SAR圖像目標和場景分類問題，提出了一種改進的基于卷積神經網絡的SAR圖像分類算法。針對數據集訓練樣本較少的問題，采用數據增強的方法人工地增加訓練樣本的大小；為了解決卷積神經網絡中因網絡參數過多導致的過擬合問題，采用一種多尺度卷積模塊替代高層卷積層，在輸出層采用卷積和全局均值池化的組合替代全連接層。分別對MSTAR數據集和陜西渭南地區的高分辨率SAR圖像進行目標和場景分類實驗，本文算法針對MSTAR 10類目標和高分辨率SAR圖像3類場景的分類正確率分別達到了98.89%和91.85%；通過構建相同深度的卷積神經網絡進行對比實驗，結果表明，本文算法有效地解決了網絡的過擬合問題。