基于CNN的SAR圖像目標分類優(yōu)化算法

劉晨， 曲長文， 周強， 李智

(1.海軍航空工程學(xué)院電子信息工程系， 山東煙臺 264001；2.海軍航空工程學(xué)院科研部， 山東煙臺 264001)

0 引言

合成孔徑雷達相比于光學(xué)、紅外等傳感器，具有不受天氣、光照等外界條件的限制，可以全天候、長期、實時對目標進行監(jiān)測。隨著其技術(shù)的日益成熟，在民用和軍事領(lǐng)域都得到了較為廣泛的應(yīng)用，具有較高的研究價值。通過對SAR圖像目標的分類識別，可以實時對陸地和海洋等軍事目標進行監(jiān)測，獲得陸地及海洋軍事目標的位置、類型和運動狀態(tài)等信息，為取得戰(zhàn)場主動權(quán)、提升目標打擊能力提供了有力保證。

卷積神經(jīng)網(wǎng)絡(luò)(CNN)可以有效地從大量樣本中學(xué)習到相應(yīng)的特征，提取出優(yōu)于人工設(shè)計的特征，并且樣本數(shù)量越大，提取的特征越有利于分類識別。由于卷積神經(jīng)網(wǎng)絡(luò)可以直接對二維圖像進行處理，因此，在圖像處理方面得到了越來越多的關(guān)注，并取得了較多的研究成果，如醫(yī)學(xué)圖像識別[1]、人臉識別[2]、人體行為識別[3]等。該網(wǎng)絡(luò)是一種端到端的學(xué)習模型，經(jīng)過對卷積神經(jīng)網(wǎng)絡(luò)的訓(xùn)練，可以學(xué)習到圖像中的特征，并且通過學(xué)習到的特征完成對圖像的分類識別[4]。CNN通過簡單的非線性模型從原始圖像中提取出更加抽象的特征，并且在整個過程中只需少量的人工參與[5]。

本文主要研究卷積神經(jīng)網(wǎng)絡(luò)在SAR圖像上的應(yīng)用，解決人工設(shè)計的特征分類識別能力不足的問題，提升SAR圖像分類識別能力。通過對比激活函數(shù)和改變權(quán)值更新方式，對卷積神經(jīng)網(wǎng)絡(luò)進行優(yōu)化，提升卷積神經(jīng)網(wǎng)絡(luò)對SAR圖像的適用性，同時提出了一種ZCA白化與PCA相結(jié)合的SAR圖像預(yù)處理方法。實驗結(jié)果表明，該優(yōu)化方法可以提升網(wǎng)絡(luò)的訓(xùn)練和檢測速度并且取得較優(yōu)的分類效果。

1 卷積神經(jīng)網(wǎng)絡(luò)的基本原理

1.1 卷積神經(jīng)網(wǎng)絡(luò)基本結(jié)構(gòu)

目前典型的卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)仍然采用卷積層和下采樣層交替連接的方式，并且最后通過全連接層與輸出層相連，如圖1所示。

圖1 卷積神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖

卷積層主要用于提取特征和降低噪聲。假設(shè)第l層為卷積層，則第l層第j個特征圖的計算公式如下所示：

(1)

下采樣層主要利用圖像局部之間相關(guān)性的原理，降低需要處理的數(shù)據(jù)量。將鄰域4個像素變?yōu)橐粋€像素，常用的方法有均勻下采樣、最大下采樣和概率最大下采樣，最終產(chǎn)生一個大概縮小4倍的特征映射圖Sx+1。

卷積和下采樣過程如圖2所示。

圖2 卷積神經(jīng)網(wǎng)絡(luò)卷積和下采樣過程

1.2 BP算法

卷積神經(jīng)網(wǎng)絡(luò)權(quán)值更新方式采用的是后向傳播(Back Propagation, BP)算法[6]。算法的流程圖如圖3所示。

圖3 BP算法流程圖

具體步驟如下：

1) 對參數(shù)進行初始化： ΔW=0， Δb=0，

2) 計算網(wǎng)絡(luò)各層的輸出，計算公式為

(2)

式中，l表示層數(shù)，x表示特征圖，w表示卷積核，b表示當前層的偏置，f表示激活函數(shù)。

3) 假設(shè)輸出結(jié)果分為m類，即最后輸出為m維數(shù)據(jù)，將輸出值與樣本標簽之間的均方誤差作為代價函數(shù)，進而求得第n個樣本的代價函數(shù)J(w,b;x,y)為

(3)

為求取單個樣本的代價函數(shù)對參數(shù)的導(dǎo)數(shù)，通過引入靈敏度的概念，定義第l層的靈敏度為

(4)

第nl層為輸出層，根據(jù)式(2)、式(3)可得輸出層的靈敏度為

δ(nl)=-(y-a(nl))·f′(z(nl))

(5)

式中， “·”表示點乘。

對于l=nl-1，nl-2,…,2的各層靈敏度為

δ(l)=((w(l))Tδ(l+1))·f′(z(l))

(6)

完成上述代價函數(shù)的反向傳播后，利用梯度下降法，將代價函數(shù)對網(wǎng)絡(luò)中參數(shù)求偏導(dǎo)，對參數(shù)進行更新，最終使代價函數(shù)達到極小值。代價函數(shù)J(w,b;x,y)對w(l)和b(l)的偏導(dǎo)計算公式如下：

(7)

(8)

更新權(quán)重參數(shù)為

(9)

式中，α表示學(xué)習率。

2 卷積神經(jīng)網(wǎng)絡(luò)的優(yōu)化

2.1 前向傳導(dǎo)過程的調(diào)整

在前向傳導(dǎo)過程中激活函數(shù)的正確選擇可以極大地降低網(wǎng)絡(luò)訓(xùn)練的時間和提高網(wǎng)絡(luò)訓(xùn)練的準確度。卷積、下采樣和全連接操作僅能夠表達出線性映射，即使引入更深層的網(wǎng)絡(luò)結(jié)構(gòu)，仍然還是一個線性映射，對于非線性分布的數(shù)據(jù)不能有效地建模，因此需要引入一個非線性激活函數(shù)來增加網(wǎng)絡(luò)的非線性學(xué)習能力。從最早的Sigmoid函數(shù)開始，針對不同的訓(xùn)練需求，逐漸發(fā)展出各種改進版的激活函數(shù)，如Tanh函數(shù)、RELU函數(shù)等。各函數(shù)圖如圖4所示。

(a)Sigmoid函數(shù)

(b)Tanh函數(shù)

(c)RELU函數(shù)圖4激活函數(shù)

從圖4可以看出，Sigmoid函數(shù)在定義域內(nèi)處處可導(dǎo)，有利于BP算法的計算，而Tanh函數(shù)的輸出均值相比于Sigmoid更接近0，可以加快訓(xùn)練速度。但是二者有一個共同的缺點，當輸入值的絕對值過大時，函數(shù)的導(dǎo)數(shù)接近為0，進入飽和區(qū)，在BP算法中將導(dǎo)致向低層傳遞的導(dǎo)數(shù)變得非常小，不利于網(wǎng)絡(luò)的訓(xùn)練，發(fā)生梯度消失現(xiàn)象[7]。RELU激活函數(shù)解決了上述問題，該函數(shù)的導(dǎo)數(shù)為0或1，可以有效地緩解梯度消失的問題。

2.2 BP算法的調(diào)整

BP算法采用梯度下降的方法對權(quán)重進行調(diào)整，常用的梯度下降方法主要分為3類：全量梯度下降、隨機梯度下降和小批量梯度下降。這3類方法的區(qū)分方式主要是根據(jù)每次訓(xùn)練樣本的個數(shù)決定的。全量梯度下降每次使用全部的樣本進行訓(xùn)練，具有每次更新都向著正確的方向進行的優(yōu)點，但是對于大量樣本，將導(dǎo)致訓(xùn)練時間過長、消耗大量內(nèi)存等問題。隨機梯度下降每次用一個樣本進行訓(xùn)練，該方法可以解決全量梯度下降的訓(xùn)練時間長和占用大量內(nèi)存的問題，但同時也導(dǎo)致每次更新并不是按照正確的方向進行，產(chǎn)生擾動現(xiàn)象。因此，通過對上述兩種方法的分析，小批量梯度下降結(jié)合二者的優(yōu)點，每次訓(xùn)練從樣本中隨機選取n個樣本(n小于樣本總數(shù))進行訓(xùn)練。該方法在提高訓(xùn)練速度的同時使權(quán)重更新更加穩(wěn)定。

但是小批量梯度下降方法在局部極值點附近容易產(chǎn)生振蕩，降低網(wǎng)絡(luò)的收斂速度。為使網(wǎng)絡(luò)可以更快地收斂，選擇梯度下降優(yōu)化算法中動量更新的方法進行權(quán)重的調(diào)整，如式(10)所示：

(10)

式中，γ為動量系數(shù)，一般為γ∈(0,1)，η為學(xué)習率， ΔW為權(quán)重更新量，W為權(quán)重。

從式(10)可以看出，通過以前經(jīng)驗積累，有利于降低網(wǎng)絡(luò)訓(xùn)練過程中的振蕩現(xiàn)象，從而加快網(wǎng)絡(luò)訓(xùn)練速度[8]。

2.3 圖像預(yù)處理方法

2.3.1 主成分分析(PCA)

PCA是一種數(shù)據(jù)降維方法，通過計算出輸入數(shù)據(jù)的協(xié)方差矩陣，求得相應(yīng)的特征值，選取前k項主成分，其余全部賦值為0，通過PCA降維處理在極大保留數(shù)據(jù)特征的同時可以降低圖像相鄰像素之間的相關(guān)性，提升算法的分類識別速度。

2.3.2 白化

由于SAR圖像相鄰像素之間具有很強的相關(guān)性，所以用原始圖像進行訓(xùn)練時會存在冗余現(xiàn)象，而白化的目的就是降低圖像的冗余性。通過白化處理后的圖像會降低特征之間的相關(guān)性以及使所有的特征具有相同的方差。

首先假設(shè)輸入的數(shù)據(jù)為：X∈Rn×m，n為數(shù)據(jù)維數(shù)，m為樣本個數(shù)。求得數(shù)據(jù)的協(xié)方差矩陣：

(11)

對該協(xié)方差矩陣進行奇異值分解：

[U,S,V]=svd(Σ)

(12)

式中，U為Σ的特征向量矩陣，S為其特征值矩陣，因為Σ是對陣方陣，所以V=U′，Σ=USV。

ZCA白化結(jié)果如下：

(13)

結(jié)合上述兩種方法的優(yōu)點，本文將ZCA白化與PCA降維結(jié)合起來對SAR圖像進行預(yù)處理。首先通過ZCA白化降低圖像相鄰像素之間的相關(guān)性，然后將ZCA白化后的數(shù)據(jù)進行PCA降維，提高算法的訓(xùn)練速度。實驗結(jié)果表明，該方法在提高分類準確率的同時提高了檢測速度。從每類目標中隨機選取一幅圖片，經(jīng)過預(yù)處理后結(jié)果如圖5所示。

(a)原始圖片 (b)PCA處理后

(c)ZCA白化后 (d)ZCA白化和PCA 處理后圖5預(yù)處理后的圖像

3 實驗仿真

3.1 實驗數(shù)據(jù)集

為對本文提出的方法進行驗證，數(shù)據(jù)集采用的是美國MSTAR數(shù)據(jù)庫，實驗采取其中的BRDM2，BTR60，D7，S1和T62五類目標進行分類識別，如圖6所示。

圖像的分辨率為0.3m×0.3m，大小為128×128像素，訓(xùn)練樣本為17°俯視角的SAR圖像目標，共1 450幅，測試樣本為15°俯視角的SAR圖像目標，共1 290幅。為加快網(wǎng)絡(luò)的訓(xùn)練速度，截取圖像中心包含目標的42×42大小的圖像塊進行實驗。

(a)BRDM2 (b)BTR60

(c)D7 (d)S1

(e)T62圖6MSTAR數(shù)據(jù)實驗?zāi)繕?/p>

3.2 算法分類準確率對比結(jié)果

實驗采用的卷積神經(jīng)網(wǎng)絡(luò)模型如圖1所示，由5層網(wǎng)絡(luò)結(jié)構(gòu)組成，第一層卷積層包含8個濾波器，大小為5×5，第二層下采樣層采用均值下采樣，大小為2×2，第三層卷積層包含16個濾波器，大小為4×4，第四層下采樣與第二層一樣，最后一層為全連接層。動量系數(shù)γ為0.9，最大迭代次數(shù)為10次。

3.2.1 優(yōu)化后的卷積神經(jīng)網(wǎng)絡(luò)分類結(jié)果

采用不同激活函數(shù)的實驗結(jié)果如表1所示。

表1 不同激活函數(shù)下的分類準確率對比

3.2.2 預(yù)處理后的分類結(jié)果

在已經(jīng)調(diào)整好網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的條件下，對SAR圖像分別進行PCA降維和ZCA白化處理，實驗結(jié)果如表2所示。

針對本文提出的方法，通過ZCA白化與PCA相結(jié)合的方法對SAR圖像進行預(yù)處理，對比3種預(yù)處理方法，結(jié)果如圖7所示。

表2 不同預(yù)處理條件下的分類準確率對比

圖7 3種預(yù)處理后結(jié)果對比

從圖7可以看出，本文提出的方法在經(jīng)過5次迭代后就已經(jīng)得到了最優(yōu)的分類效果，與其近似的ZCA白化方法需要經(jīng)過8次迭代才能達到相同效果，可以看出本文提出的ZCA白化與PCA降維相結(jié)合的預(yù)處理方法在較少的迭代次數(shù)下可以得到更優(yōu)的分類效果。

最終改進后的預(yù)處理方法實驗結(jié)果如表3所示。

表3 5類目標的SAR圖像分類結(jié)果

從表3可以看出，本文方法對5類SAR圖像取得了較好的分類效果，平均識別率達到了96.74%。

4 結(jié)束語

針對海量SAR圖像目標特征提取困難、分類精度不高的問題，本文采用卷積神經(jīng)網(wǎng)絡(luò)對其進行分類識別，通過優(yōu)化網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)，提高卷積神經(jīng)網(wǎng)絡(luò)對SAR圖像目標分類的適用性，同時提出了一種改進的SAR圖像預(yù)處理方法，對輸入的SAR圖像進行ZCA白化與PCA相結(jié)合的預(yù)處理方法。實驗結(jié)果表明，該方法對5類SAR圖像目標的分類可以達到96.74%的準確率，并且訓(xùn)練速度得到顯著的提升。

[1]CIOMPI F, DE HOOP B, VAN RIEL S J, et al. Automatic Classification of Pulmonary Peri-Fissural Nodules in Computed Tomography Using an Ensemble of 2D Views and a Convolutional Neural Network Out-of-the-Box[J]. Medical Image Analysis, 2015, 26(1):195-202.

[2]MA Yukun, HE Jiaoyu, WU Lifang, et al. An Effective Face Verification Algorithm to Fuse Complete Features in Convolutional Neural Network[C]∥ 22nd International Conference on Multimedia Modeling, Miami, FL, USA:Springer, 2016:39-46.

[3]IJJINA E P, MOHAN C K. Human Action Recognition Based on MOCAP Information Using Convolution Neural Networks[C]∥ 13th International Conference on Machine Learning and Applications, Detroit, MI, USA:IEEE, 2015:159-164.

[4]李彥冬,郝宗波,雷航. 卷積神經(jīng)網(wǎng)絡(luò)研究綜述[J]. 計算機應(yīng)用, 2016, 36(9):2508-2515.

[5]LECUN Y, BENGIO Y, HINTON G. Deep Learning[J]. Nature, 2015, 521(7553):436-444.

[6]RUMELHART D E, HINTON G E, WILLIAMS R J. Learning Representations by Back-Propagating Errors[J]. Nature, 1986, 323(6088):533-536.

[7]GLOROT X, BENGIO Y. Understanding the Difficulty of Training Deep Feedforward Neural Networks[J]. Journal of Machine Learning Research, 2010, 9(1):249-256.

[8]韓力群. 人工神經(jīng)網(wǎng)絡(luò)教程[M]. 北京:北京郵電大學(xué)出版社, 2006:67-68.