[發明專利]一種基于DCGAN的極化SAR圖像分類方法在審
| 申請號： | 201710440090.X | 申請日： | 2017-06-12 |
| 公開（公告）號： | CN107292336A | 公開（公告）日： | 2017-10-24 |
| 發明（設計）人： | 焦李成;屈嶸;張婷;馬晶晶;楊淑媛;侯彪;馬文萍;劉芳;尚榮華;張向榮;張丹;唐旭 | 申請（專利權）人： | 西安電子科技大學 |
| 主分類號： | G06K9/62 | 分類號： | G06K9/62;G06N3/04 |
| 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 |
| 地址： | 710065 陜*** | 國省代碼： | 陜西;61 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 一種 基于 dcgan 極化 sar 圖像 分類 方法 | ||
1.一種基于DCGAN的極化SAR圖像分類方法，其特征在于，包括以下步驟：
1)獲取極化散射矩陣S，對極化散射矩陣S進行Pauli分解，得奇次散射系數、偶次散射系數及體散射系數，再將奇次散射系數、偶次散射系數及體散射系數作為待分類極化SAR圖像的三維圖像特征構建基于像素點的特征矩陣F；
2)將基于像素點的特征矩陣F中的各元素值歸一化到[0，1]內，并將歸一化的結果記作特征矩陣F1；
3)將特征矩陣F1中的每個元素通過其周圍64×64的圖像塊進行替換，得基于圖像塊的特征矩陣F2；
4)利用基于圖像塊的特征矩陣F2構造無標簽訓練數據集D1的特征矩陣W1及有標簽訓練數據集D2的特征矩陣W2；
5)利用基于圖像塊的特征矩陣F2構造測試數據集T，再在基于像素點的特征矩陣F中利用SLIC超像素算法劃分超像素塊，得超像素塊的聚類中心，然后在基于圖像塊的特征矩陣F2中構造測試數據集T的超像素聚類中心的特征矩陣W3；
6)通過無標簽訓練數據集D1對訓練網絡模型DCGAN進行訓練，得到訓練后的訓練網絡模型DCGAN；
7)將訓練后的訓練網絡模型DCGAN中判別器D中的二分類器更換為softmax分類器，再將更換后的判別器D作為分類網絡模型；
8)將有標簽訓練數據集D2的特征矩陣W2輸入到分類網絡模型中，并更新softmax分類器的參數，再通過有標簽訓練數據集D2的特征矩陣W2更新整個分類網絡模型的參數，然后通過判別分類網絡模型對測試數據集T的超像素聚類中心的特征矩陣W3進行分類，再標記測試數據集T的類標，實現基于DCGAN的極化SAR圖像分類。
2.根據權利要求1所述的基于DCGAN的極化SAR圖像分類方法，其特征在于，步驟1)中對極化散射矩陣S進行Pauli分解，得到奇次散射系數、偶次散射系數及體散射系數的操作為：
1a)設置Pauli基{S1,S2,S3}，其中，
其中，S1為奇次散射，S2為偶次散射，S3為體散射；
1b)由Pauli分解定義得：
其中，a為奇次散射系數，b為偶次散射系數，c為體散射系數；
1c)求解式(2)，得奇次散射系數a、偶次散射系數b及體散射系數c，其中，
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于西安電子科技大學，未經西安電子科技大學許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710440090.X/1.html，轉載請聲明來源鉆瓜專利網。
