[發(fā)明專(zhuān)利]基于深度小波神經(jīng)網(wǎng)絡(luò)的極化SAR圖像分類(lèi)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410741410.1
• 申請(qǐng)日: 2014-12-05
• 公開(kāi)（公告）號(hào): CN104408481A
• 公開(kāi)（公告）日: 2015-03-11
• 發(fā)明（設(shè)計(jì)）人: 焦李成;李玲玲;姜紅茹;屈嶸;楊淑媛;侯彪;王爽;劉紅英;熊濤;馬文萍;馬晶晶
• 申請(qǐng)（專(zhuān)利權(quán)）人: 西安電子科技大學(xué)
• 主分類(lèi)號(hào): G06K9/66
• 分類(lèi)號(hào): G06K9/66;G06N3/08
• 代理公司: 陜西電子工業(yè)專(zhuān)利中心 61205
• 代理人: 程曉霞;王品華

1.一種基于深度小波神經(jīng)網(wǎng)絡(luò)的極化SAR圖像分類(lèi)方法，其特征在于，圖像分類(lèi)過(guò)程包括有以下步驟：

步驟1：輸入圖像，輸入一幅待分類(lèi)的極化合成孔徑雷達(dá)SAR圖像的相干矩陣，其中，相干矩陣是大小為3×3×N的矩陣，N是極化合成孔徑雷達(dá)SAR圖像像素點(diǎn)的總數(shù)；

步驟2：預(yù)處理，采用窗口大小為7×7的Lee濾波器對(duì)相干矩陣進(jìn)行濾波，得到濾波后的相干矩陣；

步驟3：選取樣本

3a、將濾波后的相干矩陣作為極化合成孔徑雷達(dá)SAR圖像的特征，組成一個(gè)N×9大小的樣本集；

3b、從樣本集中隨機(jī)選取5％的樣本作為極化合成孔徑雷達(dá)SAR圖像訓(xùn)練樣本，將剩余95％的樣本作為極化合成孔徑雷達(dá)SAR圖像測(cè)試樣本；

步驟4：利用訓(xùn)練樣本訓(xùn)練深度小波神經(jīng)網(wǎng)絡(luò)

4a、隨機(jī)生成深度小波神經(jīng)網(wǎng)絡(luò)第一層網(wǎng)絡(luò)和第二層網(wǎng)絡(luò)的初始權(quán)值和小波激活函數(shù)縮放因子和平移因子；

4b、將訓(xùn)練樣本輸入到第一層的小波神經(jīng)網(wǎng)絡(luò)中，利用第一層網(wǎng)絡(luò)隱層和輸入層節(jié)點(diǎn)的初始權(quán)值W₁′，輸出層和隱層節(jié)點(diǎn)的初始權(quán)值W₁″、小波激活函數(shù)的縮放因子a₁和平移因子b₁分別計(jì)算第一層網(wǎng)絡(luò)隱層的輸出ψ₁和輸出層的輸出h₁；

4c、利用均方誤差公式計(jì)算第一層網(wǎng)絡(luò)中訓(xùn)練樣本的輸出誤差E₁；

4d、采用梯度下降法，得到第一層網(wǎng)絡(luò)的最優(yōu)權(quán)值、小波激活函數(shù)的最優(yōu)縮放因子和最優(yōu)平移因子以及最優(yōu)隱層輸出；

4e、將第一層小波神經(jīng)網(wǎng)絡(luò)的隱層輸出作為第二層小波神經(jīng)網(wǎng)絡(luò)的輸入，并利用第二層網(wǎng)絡(luò)隱層和輸出層節(jié)點(diǎn)的初始權(quán)值W′₂，輸出層和隱層節(jié)點(diǎn)的初始權(quán)值W″₂、小波激活函數(shù)縮放因子a₂和平移因子b₂計(jì)算第二層網(wǎng)絡(luò)隱層的輸出ψ₂和輸出層的輸出h₂；

4f、利用均方誤差公式計(jì)算第二層網(wǎng)絡(luò)中訓(xùn)練樣本的輸出誤差E₂；

4g、采用梯度下降法，得到第二層網(wǎng)絡(luò)的最優(yōu)權(quán)值、小波激活函數(shù)的最優(yōu)縮放因子和最優(yōu)平移因子以及最優(yōu)隱層輸出；

步驟5：提取特征，將訓(xùn)練樣本和測(cè)試樣本分別輸入到訓(xùn)練好的深度小波神經(jīng)網(wǎng)絡(luò)中，得到訓(xùn)練樣本特征集和測(cè)試樣本特征集；

步驟6：分類(lèi)，將訓(xùn)練樣本特征集和測(cè)試樣本特征集輸入到libSVM工具箱，得到極化合成孔徑雷達(dá)SAR圖像的最終分類(lèi)結(jié)果；

步驟7：計(jì)算分類(lèi)精度，統(tǒng)計(jì)待分類(lèi)的極化合成孔徑雷達(dá)SAR圖像中與分類(lèi)結(jié)果中類(lèi)別標(biāo)簽相同的像素點(diǎn)個(gè)數(shù)，計(jì)算類(lèi)別標(biāo)簽相同像素點(diǎn)個(gè)數(shù)占待分類(lèi)的極化合成孔徑雷達(dá)SAR圖像總像素?cái)?shù)的百分比，得到分類(lèi)精度。