摘要：針對(duì)合成孔徑雷達(dá)(SAR)圖像由于相干斑的影響而導(dǎo)致的識(shí)別率低,耗時(shí)長(zhǎng)等問(wèn)題,提出一種基于多尺度分解和卷積神經(jīng)網(wǎng)絡(luò)的SAR圖像識(shí)別方法。首先將輸入的圖像進(jìn)行數(shù)據(jù)增強(qiáng),并利用非下采樣輪廓波變換(NSCT)進(jìn)行尺度分解,獲得圖像的高低頻特征分量;然后將原圖像、高頻分量和低頻分量空間連結(jié),輸入進(jìn)網(wǎng)絡(luò)進(jìn)行訓(xùn)練、識(shí)別。以RELU為激活函數(shù),交叉熵函數(shù)為損失函數(shù),SoftMax為分類器,并使用TensorFlow框架進(jìn)行訓(xùn)練。實(shí)驗(yàn)結(jié)果表明,提出算法的識(shí)別率高于其他幾種典型算法,在MSTAR數(shù)據(jù)庫(kù)上的識(shí)別率達(dá)到了93. 3%;同時(shí),在五級(jí)椒鹽噪聲的影響下,識(shí)別率僅下降0. 5%,魯棒性遠(yuǎn)高于其他幾種算法。