[發明專利]基于超像素與稀疏自編碼器的極化SAR圖像分類方法

在審

• 申請號: 201710543565.8
• 申請日: 2017-07-05
• 公開（公告）號: CN107341511A
• 公開（公告）日: 2017-11-10
• 發明（設計）人: 李陽陽;柴英特;焦李成;劉芳;尚榮華;馬文萍;馬晶晶;緱水平
• 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;G06K9/40;G06K9/66
• 代理公司: 陜西電子工業專利中心61205
• 代理人: 韋全生,王品華

技術領域

本發明屬于圖像處理技術領域，更進一步涉及目標識別領域中基于超像素與稀疏自動編碼器的極化SAR圖像分類方法，可用于極化SAR圖像的目標檢測與目標識別。

背景技術

隨著計算機軟硬件技術的不斷提高，遙感系統越來越先進，獲取地物信息的方式越來越多樣化，先進的遙感手段促進了對地觀察技術的發展。SAR(合成孔徑雷達)是獲取地物信息的一種重要工具，它能在任何氣候下不分白天黑夜的工作，在獲取地物信息上比其它傳統方式更具有優勢。而極化SAR能同時獲取地物目標的四個不同極化通道的散射特征，既包含了振幅信息，也包含了相位信息，比常規SAR包含更多的地物信息，如極化度、同極化比、交叉極化比、散射熵及同極化相位差等。這些極化信息揭示了地物的散射差別，有助于進一步進行信息挖掘，為地物分類研究提供了基礎條件。

極化SAR圖像的分類是指將圖像的像元按其性質分為若干個類別的過程。目前極化SAR圖像分類主要分為三種方法。一種是基于統計分布模型的貝葉斯分類方法。例如，李仲森等人1994年在International Journal of Remote Sensin g的第15卷第11期上發表的《Classification of multi-look polarmetric SAR ima gery based on complex Wishart distribution》,該文獻提出一種基于Wishart距離的分類方法，成為最經典的方法之一，但是該方法只考慮了單個像素的信息，分類的區域一致性較差。第二種是基于機器學習的分類方法。例如，Pierre-Louis Frison等人2009年在IEEE Transactions on Geoscience and Remote Sensing的第47卷第12期上發表的《Support vector machine for multifrequency SAR pol armetric data classification》，該文獻提出一種基于支持向量機的分類方法，該方法需要人工提取特征，然而人工提取的特征不是最適合分類的特征，從而導致分類精度不高。第三種方法是基于深度學習的分類方法。例如，謝慧明等人2014年在IEEE International Geoscience and Remote Sensing Symposium上發表的《Multilayer feature learning for polarimetric synthetic radar data classification》，該文獻提出了一種基于多層特征學習的分類方法，該方法首先對待分類極化SAR圖像進行濾波，然后獲取每個像素點的原始特征，選取訓練數據集和測試數據集，將訓練數據集輸入到多層自編碼器中進行訓練，最后將測試數據集輸入到多層自編碼器中進行預測分類。該方法只研究單個像素的信息，會受到相干斑噪聲的影響，從而影響區域內的一致性和分類精度。同時，該方法中的訓練數據集較小，導致深度學習模型的過擬合，從而影響分類精度。

發明內容

本發明的目的在于針對上述已有技術的不足，提出了一種基于超像素與稀疏自編碼器的極化SAR圖像分類方法，用于解決現有極化SAR圖像分類方法中存在的區域內一致性差和分類精度低的技術問題。

為實現上述目的，本發明采取的技術方案包括如下步驟：

(1)輸入一幅像素集合為{p₁,p₂,...,p_k,...,p_w}的待分類極化SAR圖像，其中，p_k表示極化SAR圖像里的第k個像素，且k＝1,2,...,w，w表示極化SAR圖像的像素個數；

(2)對待分類極化SAR圖像進行濾波：

去除待分類極化SAR圖像的相干斑噪聲，得到濾波后的極化SAR圖像；

(3)對濾波后的極化SAR圖像進行超像素分割：

(3a)采用Pauli分解方法，對極化SAR圖像中每個像素點的極化散射矩陣S進行分解，得到極化SAR圖像像素的三個強度信息值，并將該三個強度信息作為三個通道信息，合成極化SAR圖像的偽彩圖；

(3b)對偽彩圖進行超像素分割，得到多個超像素塊{I₁,I₂,...,I_h,...,I_c}和每個像素p_k的所在的超像素塊標簽，其中，I_h表示對偽彩圖分割后的第h個小塊里的像素個數，且h＝1,2,...,C，C表示分割的塊數；