[發(fā)明專利]基于深度自適應脊波網(wǎng)絡的極化SAR圖像分類

有效

• 申請?zhí)枺?/td>: 201410557506.2
• 申請日: 2014-10-20
• 公開（公告）號: CN104318246B
• 公開（公告）日: 2018-08-28
• 發(fā)明（設(shè)計）人: 焦李成;馬文萍;張亞楠;楊淑媛;侯彪;王爽;馬晶晶;劉紅英;熊濤;張向榮
• 申請（專利權(quán)）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/46
• 代理公司: 北京科億知識產(chǎn)權(quán)代理事務所(普通合伙) 11350
• 代理人: 湯東鳳

1.一種基于深度自適應脊波網(wǎng)絡的極化SAR圖像分類方法，包括如下步驟：

(1)對待分類的極化SAR圖像進行濾波，得到濾波后的極化SAR圖像：

(2)提取濾波后的極化SAR圖像的圖像特征：

(2-1)取濾波后的極化SAR圖像相干矩陣的主對角線上的元素t₁₁，t₂₂，t₃₃；

(2-2)對所述相干矩陣采用克勞德Cloude分解得到H，α，其中H表示散射熵，α表示平均散射角，通過散射角可分類出極化SAR圖像的散射類型；

(2-3)對所述相干矩陣采用Freeman分解，得到散射功率矩陣P_s，P_d，P_v，其中P_s表示表面散射功率矩陣，P_d表示二面角散射功率矩陣，P_v表示體散射功率矩陣；

(3)特征組合并歸一化：

用t₁₁，t₂₂，t₃₃，H，α，P_s，P_d，P_v組成極化SAR圖像的8維特征，并將該8維特征的特征值t₁₁，t₂₂，t₃₃，H，α，P_s，P_d，P_v歸一到[0,1]之間的數(shù)值；

(4)訓練受限玻爾茲曼機RBM：

先確定RBM的網(wǎng)絡層數(shù)及各層節(jié)點數(shù)量，從濾波后的極化SAR圖像上選取對應比例的像素作為訓練樣本，再將訓練樣本的8維特征輸入RBM，逐層貪婪訓練RBM，得到訓練好的權(quán)值和偏置；

(5)訓練自適應脊波網(wǎng)絡：

先用受限玻爾茲曼機RBM訓練好的權(quán)值和偏置初始化自適應脊波網(wǎng)絡參數(shù)a_j，b_j，u_j和W，再根據(jù)能量最小化原理訓練自適應脊波網(wǎng)絡，其中，a_j表示為第j個神經(jīng)元的脊波的尺度，b_j表示為第j個神經(jīng)元的脊波的方向，u_j表示第j個神經(jīng)元脊波的位置，W表示整個脊波網(wǎng)絡的權(quán)值矩陣，具體步驟如下：

第一步，用受限玻爾茲曼機RBM輸出的權(quán)值和偏置初始化網(wǎng)絡參數(shù)a_j，b_j，u_j和W；

第二步，隱層的激勵函數(shù)設(shè)為脊波函數(shù)：

其中，i表示隱層的輸出個數(shù)，j表示隱層的第j個神經(jīng)元，N表示隱層神經(jīng)元的個數(shù)，m表示隱層神經(jīng)元的總個數(shù)，c_ij表示脊函數(shù)的疊加系數(shù)，表示第i個隱層神經(jīng)元的輸出值；

第三步，輸出層的激勵函數(shù)設(shè)為sigmoid函數(shù)：

其中，i表示第i個樣本，P表示樣本總數(shù)，j表示隱層的第j個神經(jīng)元，N表示隱層神經(jīng)元的個數(shù)，z_j表示第j個隱層神經(jīng)元的輸出值，y_ji表示第i個樣本通過第j個隱層神經(jīng)元的輸出值；

第四步，定義誤差函數(shù)：

其中，i表示第i個樣本，P表示選取樣本的總數(shù)，j表示隱層的第j個神經(jīng)元，m表示隱層神經(jīng)元的總個數(shù)，y_ji表示第i個樣本通過第j個隱層神經(jīng)元的輸出值，d_ji表示第i個樣本通過第j個隱層神經(jīng)元對應的標簽值，e_i表示第i個樣本的誤差，J表示所有樣本的總誤差；

第五步，網(wǎng)絡的訓練按照最陡梯度下降法的方法：

i＝1,...,m；j＝0,...,N；j＝0時，z_jp＝1；

j＝1,...,N；

j＝1,...,N；

j＝1,...,N；l＝1,...,d；

其中，設(shè)有P個學習樣本，X＝[x₁,...,x_P],Y＝[y₁,...,y_P],x_i＝[x_1i,...,x_di],y_i＝[y_1i,...,y_mi],(i＝1,...,P)分別表示輸入的第i個樣本和其對應的輸出，w_ij表示第j個脊函數(shù)連接到第i個輸出節(jié)點的權(quán)值，w_i0表示第i個目標節(jié)點的閾值，Z_i＝[z_i1,...,z_iP](i＝1,...,N)表示第i個隱單元的輸出，η表示學習步長；

(6)微調(diào)自適應脊波網(wǎng)絡的網(wǎng)絡參數(shù)：

通過調(diào)整自適應脊波網(wǎng)絡隱層的神經(jīng)元數(shù)目，動量參數(shù)和學習率，得到訓練好的自適應脊波網(wǎng)絡；

(7)圖像分類：

用訓練好的自適應脊波網(wǎng)絡，對濾波后的極化SAR圖像進行分類，得到極化SAR圖像的像素類別。