[發明專利]一種基于深度階梯網的極化SAR影像目標檢測方法

有效

• 申請號: 201710370455.6
• 申請日: 2017-05-23
• 公開（公告）號: CN107239757B
• 公開（公告）日: 2020-12-08
• 發明（設計）人: 焦李成;屈嶸;高倩;馬文萍;楊淑媛;侯彪;劉芳;尚榮華;張向榮;張丹;唐旭;馬晶晶
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/08
• 代理公司: 西安通大專利代理有限責任公司 61200
• 代理人: 徐文權

本發明公開了一種基于深度階梯網的極化SAR影像目標檢測方法，其方案是：輸入待檢測的極化SAR圖像，對極化相干矩陣T進行Lee濾波；對濾波后的T求解得到極化協方差矩陣C；對極化協方差矩陣C進行Yamaguchi分解，構成基于像素點的特征矩陣F；對F歸一化，并對歸一化后的特征矩陣F1中的每個元素取塊，拉成一列，構成基于圖像塊的特征矩陣F2；根據F2得到訓練集D；使用超像素中的SLIC算法得到測試集T；構造基于深度階梯網的目標檢測模型；用訓練數據集D對目標檢測模型進行訓練；利用訓練好的目標檢測模型對測試數據集T進行分類。本發明使用了深度階梯網，僅使用少量有類標樣本就獲得了很高的目標檢測精度，本發明可用于地物分類。

【技術領域】

本發明屬于圖像處理技術領域，具體涉及一種極化SAR影像的目標檢測方法，可用于地物分類，具體是一種基于深度階梯網的極化SAR影像目標檢測方法。

【背景技術】

合成孔徑雷達(SAR)作為各種遙感手段中唯一具有全天時全天候遙感成像能力的雷達，在遙感領域具有無可替代的作用，目前已得到廣泛應用。極化合成孔徑雷達(極化SAR)是建立在傳統SAR體制上的新型SAR體制雷達，它的出現極大地拓寬了SAR應用領域。

隨著極化SAR系統的推廣，所獲得的全極化數據也越來越豐富。如何對圖像做出快速而準確的解譯，如何有效地對目標進行分類或檢測，已成為迫切需要解決的一個難題。

根據是否利用先驗信息，極化SAR影像的分類可分為基于單像素點的分類方法和結合鄰域信息的分類方法。根據是否需要人工指導，極化SAR影像的分類可分為有監督分類、半監督分類和無監督分類。傳統大多數方法是有監督的分類方法，例如：復Wishart分布的極化相干矩陣監督分類方法，人工神經網絡NN和支持向量機SVM等方法。

除了有監督分類，還可以用無監督或半監督分類實現極化SAR影像目標檢測。而以上方法都是有監督分類方法，需要大量的有類標數據，成本較高，需耗費大量的人力財力。

【發明內容】

針對上述現有技術中存在的問題，本發明的目的在于提供出一種基于深度階梯網的極化SAR影像目標檢測方法，該方法僅使用少量有類標樣本，即可獲得較高的城區目標檢測精度。

為實現上述目的，本發明的技術方案包括如下步驟：

一種基于深度階梯網的極化SAR影像目標檢測方法，包括如下步驟：

(1)對待檢測的極化SAR影像的極化相干矩陣T進行Lee濾波，得到濾波后的極化相干矩陣T；

(2)通過濾波后的極化相干矩陣T求得極化協方差矩陣C；

(3)對極化協方差矩陣C進行Yamaguchi分解，得到奇次散射能量、偶次散射能量、體散射能量和螺旋體散射能量，取奇次散射能量、偶次散射能量、體散射能量作為極化SAR圖像的三維圖像特征，構成基于像素點的特征矩陣F，并生成偽彩圖P；

(4)將基于像素點的特征矩陣F中的元素值歸一化到[0，1]之間，記作特征矩陣F1；

(5)將特征矩陣F1中每個元素取周圍16×16的塊并拉成一列代表原來的元素值，構成基于圖像塊的特征矩陣F2；

(6)隨機選取特征矩陣F2中若干塊組成訓練集D；

(7)使用超像素中的SLIC算法對偽彩圖P進行分割，得到分割好的超像素點，以每個超像素中心點為中心，在特征矩陣F中取其周圍16×16的塊并拉成一列代表超像素點的值，形成測試集T；

(8)構造深度階梯網目標檢測模型；

(9)用訓練集D對目標檢測模型進行訓練，得到訓練好的模型；

(10)利用訓練好的模型對測試集T進行分類，得到測試數據集中每個像素點對應的模型的輸出。