合成孔径雷达SAR(Synthetic Aperture Radar)的发展与推广,来源于上个世纪的第二次世界大战,其主要功能是对飞机和军舰等军事目标的追踪。SAR目标识别是SAR图像处理和解译的最后环节,对军事上有着关键的作用。深度学习算法在图像处理领域取得了巨大的成功,同时Master在围棋领域取得了骄人的战绩,体现了深度学习算法在人工智能领域的巨大的优势。曲线波是一种带方向性信息的小波函数,能够逼近更加广泛的函数类。同时,它还是一种多尺度分析的工具,能够有效的捕获数据的高维结构。将深度学习算法和曲线波相结合能够充分体现二者的优势,并将其应用于SAR目标识别领域。本文主要包括以下三方面的内容:1.提出了一种深度曲线波卷积网络的SAR目标识别的方法。该方法中首先构造曲线波字典,用曲线波原子作为深度卷积网络的第一层卷积层,并把它应用SAR目标识别中。深度曲线波网络结了卷积网络的多层特征提取的结构和曲线波的多尺度多分辨特性,克服了SAR图像的相干斑以及背景杂波和炮筒的方向角的影响,达到了精确识别的效果,加速了网络的收敛。2.提出了一种多尺度在线Elastic-net和多视角深度卷积网络的SAR目标识别的方法。该方法主要利用ELastic-net对图像进行稀疏编码,然后采用最大池化对系数进行重要采样,然后输入到网络中。由于单一尺度对图像的纹理细节刻画是不精确的,采用多尺度的方法能够得到图像的结构信息。将多个尺度的系数输入网络的多个通道中进行识别。最后由于SAR图像的目标识别对目标姿态角高度敏感,引入多视角的方法,使数据与目标散射中心有而与角度无关,到达良好的SAR目标识别效果。3.提出了一种基于多层曲线波递归深度神经网络的SAR目标识别的方法。该方法充分利用了递归神经网络对图像的上下文的联系,克服了卷积网络没有考虑图像内在的空间依赖关系。将曲线波原子作为网络的第一层,和2层的LSTM网络相结合,该网络包括编码层和解码层。该方法能够充分挖掘SAR图像的上下文关系和空间位置关系,最后对SAR目标识别起到了良好的效果。