[發(fā)明專利]基于深度稀疏ICA的極化SAR圖像分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201410613066.8
• 申請(qǐng)日: 2014-11-04
• 公開（公告）號(hào): CN104463193B
• 公開（公告）日: 2017-10-24
• 發(fā)明（設(shè)計(jì)）人: 焦李成;劉芳;鄢蕾;楊淑媛;侯彪;馬文萍;王爽;劉紅英;熊濤
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62;G06K9/66
• 代理公司: 陜西電子工業(yè)專利中心61205
• 代理人: 王品華,朱衛(wèi)星

1.一種基于深度稀疏ICA的極化SAR圖像分類方法，包括如下步驟：

(1)輸入待分類的極化合成孔徑雷達(dá)SAR圖像T1和待分類SAR圖像的真實(shí)地物標(biāo)記圖像T2；

(2)采用精致Lee濾波方法，對(duì)待分類的極化SAR圖像T1進(jìn)行濾波，去除斑點(diǎn)噪聲，得到濾波后的極化SAR圖像T1’；

(3)提取濾波后的極化SAR圖像T1’的散射、紋理、顏色及協(xié)方差矩陣特征；

(4)將散射特征、紋理特征、顏色特征及協(xié)方差矩陣特征組合成原始樣本特征集，并將該原始樣本特征集的值歸一化到0～1之間，進(jìn)行白化處理；

(5)選取無標(biāo)簽樣本集，訓(xùn)練樣本集和測試樣本集；

5a)在白化處理過的原始樣本特征集中隨機(jī)選取2％的樣本特征作為無標(biāo)簽樣本集X_{un_0}；

5b)根據(jù)待分類SAR圖像的真實(shí)地物標(biāo)記圖像T2，在白化處理過的原始樣本特征集中選出與該T2中已標(biāo)記真實(shí)地物相同的樣本特征集，并在該樣本特征集中隨機(jī)選取20％的樣本特征作為訓(xùn)練樣本集X_{tr_0}，剩余的80％的樣本特征作為測試樣本集X_{te_0}；

(6)用深度稀疏ICA方法，分別提取無標(biāo)簽樣本集、訓(xùn)練樣本集和測試樣本集的深度稀疏特征表示；

6a)用均值為0，方差為1的正態(tài)分布初始化第一層稀疏ICA的基矩陣W₁；

6b)利用基矩陣W₁，計(jì)算整體無標(biāo)簽樣本集的方差衰減值，獲取第一層稀疏ICA的最優(yōu)基矩陣W_{Opt_1}；

6c)將獲得的最優(yōu)基矩陣W_{Opt_1}分別與無標(biāo)簽樣本集X_{un_0}，訓(xùn)練樣本集X_{tr_0}，測試樣本集X_{te_0}相乘，得到無標(biāo)簽樣本集，訓(xùn)練樣本集，測試樣本集的第一層深度稀疏特征表示X_{un_1}，X_{tr_1}，X_{te_1}；

6d)將由第一層稀疏ICA提取到的無標(biāo)簽樣本集的第一層深度稀疏特征表示X_{un_1}作為第二層稀疏ICA的輸入，重復(fù)步驟6a)～6c)獲得第二層稀疏ICA的最優(yōu)基矩陣W_{Opt_2}，進(jìn)而得到無標(biāo)簽樣本集，訓(xùn)練樣本集，測試樣本的第二層深度稀疏特征表示X_{un_2}，X_{tr_2}，X_{te_2}，

其中，稀疏ICA的層數(shù)可以據(jù)分類結(jié)果進(jìn)行調(diào)整，每加一層，都要重復(fù)步驟6a)～6c)一次，得到訓(xùn)練樣本集和測試樣本集最終的深度稀疏特征表示分別是X_tr和X_te；

(7)將訓(xùn)練樣本集的最終深度稀疏特征表示X_tr輸入到支持向量機(jī)分類器中進(jìn)行訓(xùn)練，得到訓(xùn)練好的分類器；

(8)利用訓(xùn)練好的分類器，對(duì)待分類的極化SAR圖像T1的每個(gè)像素進(jìn)行分類，得到極化SAR圖像T1的每個(gè)像素所屬地物類別；

(9)對(duì)步驟(8)中的分類結(jié)果，根據(jù)紅、綠、藍(lán)三基色原理，用同一種顏色標(biāo)出同類地物，得到上色后的極化SAR圖像T3，輸出上色后的極化SAR圖像T3。

2.根據(jù)權(quán)利要求1所述的方法，其中所述步驟(3)中提取濾波后的極化SAR圖像的散射特征，是對(duì)濾波后的極化SAR圖像的每個(gè)像素，采用Yamaguchi分解方法得到p_s，p_v，p_d，p_h，f_s，f_v，f_d，f_h共8個(gè)散射參數(shù)，采用Cloude分解方法得到A，H，α，λ₁，λ₂，λ₃共6個(gè)散射參數(shù)，采用Huynen分解方法得到|2A₀|，|C-iD|，|H+iG|共3個(gè)散射參數(shù)，將得到的這些散射參數(shù)作為17維的散射特征。