[發(fā)明專利]基于深度自適應脊波網(wǎng)絡(luò)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(wù)所(普通合伙) 11350
• 代理人: 湯東鳳

本發(fā)明公開了一種基于深度自適應脊波網(wǎng)絡(luò)的極化SAR圖像分類方法，本方法實現(xiàn)步驟為：(1)對待分類的極化SAR圖像進行濾波；(2)提取濾波后的極化SAR圖像的特征；(3)特征組合并歸一化；(4)訓練受限玻爾茲曼機RBM；(5)訓練自適應脊波網(wǎng)絡(luò)；(6)調(diào)整自適應脊波網(wǎng)絡(luò)參數(shù)；(7)圖像分類。本發(fā)明相對于已有的方法對極化SAR圖像特征的表達能力更強，能更好地從原始的低級高維特征中學習出更高級的特征，且分類器具有更靈活的結(jié)構(gòu)、快速并行的處理速度以及強容錯性和魯棒性。本發(fā)明能夠有效地提高極化SAR圖像分類的精度，并且降低計算復雜度，同時具有更好的去噪效果，提高圖像質(zhì)量的優(yōu)點。

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，具體涉及一種基于深度自適應脊波網(wǎng)絡(luò)的極化SAR圖像分類，可用于極化SAR圖像的分類與識別，能有效地提高極化SAR圖像分類的精度。

背景技術(shù)

極化合成孔徑雷達(Synthetic Aperture Radar，SAR)已成為遙感領(lǐng)域最先進的傳感器之一，而極化SAR圖像分類是SAR圖像解譯的重要研究技術(shù)。極化SAR(PolarimetricSAR，PolSAR)能對目標進行更全面的描述，其測量數(shù)據(jù)包含了更豐富的目標信息，因此極化SAR在目標檢測、分類及參數(shù)反演等方面具有非常明顯的優(yōu)勢。極化SAR圖像分類的目的是利用機載或星載極化SAR傳感器獲得的極化測量數(shù)據(jù)確定每個像素所屬的類別。經(jīng)典的極化SAR分類方法包括：

1997年，Cloude等人提出了基于H/α目標分解的極化SAR圖像非監(jiān)督分類方法。該方法主要是通過clouded分解獲取H和α兩個表征極化數(shù)據(jù)的特征，然后根據(jù)H和α組成的H/α平面人為的將其劃分為9個區(qū)域，去掉一個理論上不可能存在的區(qū)域，最終將圖像劃分為8類。H/α分類存在的一個缺陷是區(qū)域的劃分過于武斷，當同一類的數(shù)據(jù)分布在兩類或幾類的邊界時，分類器性能將變差，另一個不足之處是，當同一個區(qū)域里共存幾種不同的地物時，將不能有效區(qū)分。

1999年，Lee等人提出了基于H/α目標分解和復Wishart分類器的H/α-Wishart分類方法。該方法是在原始H/α分類基礎(chǔ)上增加復Wishart迭代分類過程，主要是利用復Wishart分類器對H/α劃分后的8個類別中的每一個像素進行類別重新劃分，從而提高分類的精度。但是該算法存在的不足是：不能很好的保持各類的極化散射特性，且由于將分類類別數(shù)固定為8類，不能適應不同類別數(shù)的地物分類，因此對于類別多于8類或少于8類的數(shù)據(jù)來說，該算法的分類效果會有所影響。

2004年，Lee等人又提出了一種基于Freeman分解的性能優(yōu)良的極化SAR分類算法。該算法思想簡單，易于理解，很好地保持各類的極化散射特性，但是該算法仍然存在著一定的局限性，最終分類結(jié)果易受Freeman分解性能的影響，對于不同波段的極化數(shù)據(jù)該算法的普適性差。

隨著各種極化SAR系統(tǒng)獲取的地面數(shù)據(jù)日益增加，對于分類方法的自適應性及普適性的要求越來越高，分類效果的評價也逐漸嚴苛起來，如細節(jié)信息的完整性，圖像分類精度以及時間復雜度等。上述這些方法盡管提高了圖像分類效果，但是仍然存在不能適應不同波段極化數(shù)據(jù)及不同類別數(shù)的地物分類，圖像細節(jié)信息保持較差，分類準確度低，時間復雜度高等問題。

發(fā)明內(nèi)容

本發(fā)明的目的在于針對上述已有技術(shù)的不足，提出一種基于深度自適應脊波網(wǎng)絡(luò)的極化SAR圖像分類方法，自適應地尋找并充分挖掘極化SAR數(shù)據(jù)的極化和方向特征，以克服傳統(tǒng)方法自適應性差的缺點，同時提高極化SAR圖像的分類精度，并減少時間復雜度。

為實現(xiàn)上述目的，本發(fā)明包括如下步驟：

(1)對待分類的極化SAR圖像進行濾波：

采用精致極化LEE濾波方法，對待分類的極化SAR圖像進行濾波，去除斑點噪聲，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：