[發明專利]基于生成對抗網絡的極化SAR圖像分類方法

有效

• 申請號: 201710742716.2
• 申請日: 2017-08-25
• 公開（公告）號: CN107563428B
• 公開（公告）日: 2019-07-02
• 發明（設計）人: 王爽;焦李成;王欣;翟育鵬;趙陽;孫莉;侯彪
• 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
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 田文英;王品華

1.一種基于生成對抗網絡的極化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SAR圖像的相干矩陣；

(2)濾波：

采用濾波窗口大小為7×7的李Lee濾波器，對相干矩陣進行濾波，得到去噪后的相干矩陣；

(3)生成樣本集：

從去噪后的相干矩陣中提取9維特征作為一個樣本，將去噪后的相干矩陣中的所有樣本生成一個樣本集；

(4)選取樣本：

(4a)從每個地物類的樣本集中，隨機選取10％的樣本作為有標簽樣本集；

(4b)將每個地物類的樣本集中剩余的90％樣本作為無標簽樣本集；

(4c)將有標簽樣本集和無標簽樣本集組成訓練樣本集；

(5)構造生成對抗網絡：

(5a)構造一個三層全連接網絡，該網絡的每層節點數由輸入至輸出依次為10、5、9，隨機初始化該網絡中各節點參數，得到初始化后的生成網絡；

(5b)構造一個五層全連接網絡，該網絡的每層節點數由輸入至輸出依次為9、100、50、25、K，隨機初始化該網絡中各節點參數，得到初始化后的對抗網絡，其中，K表示待分類極化SAR圖像的類別總數；

(6)訓練生成網絡與對抗網絡：

(6a)從均勻分布函數中隨機產生100個噪聲，將噪聲輸入生成網絡后的輸出作為100個生成樣本，從有標簽樣本集中隨機選取100個有標簽樣本，從無標簽樣本集中隨機選取100個無標簽樣本；

(6b)將100個生成樣本，100個有標簽樣本和100個無標簽樣本輸入對抗網絡；

(6c)利用對抗網絡損失梯度下降方法，計算當前輸入300個樣本后對抗網絡的損失值，用損失值更新對抗網絡的參數；

(6d)利用生成網絡損失梯度下降方法，計算當前輸入300個樣本后生成網絡的損失值，用損失值更新生成網絡的參數；

(6e)判斷更新生成網絡和對抗網絡參數的次數是否為200，若是，則完成生成網絡與對抗網絡的交叉訓練，執行步驟(7)，否則，執行步驟(6a)；

(7)對樣本集進行分類：

(7a)從步驟(3)生成的一個樣本集任選一個樣本，輸入到交叉訓練后的對抗網絡中；

(7b)將對抗網絡中最后一層所有節點的輸出值，按照從大到小進行排序；

(7c)將對應排序后輸出值最大節點的序號，作為節點所在樣本的類別標簽；

(7d)判斷是否選取完樣本集中所有的樣本，若是，執行步驟(8)，否則，執行步驟(7a)；

(8)輸出極化SAR圖像樣本集中所有樣本的類別標簽。

2.根據權利要求1所述的基于生成對抗網絡的極化SAR圖像分類方法，其特征在于，步驟(3)中所述在去噪后的相干矩陣中提取9維特征作為一個樣本的步驟是：分別提取相干矩陣中主對角線的三個元素、主對角線的上三角三個元素的實部和虛部，將所提取的9個元素作為樣本的9維特征。