[發明專利]基于稀疏特征與條件隨機場的高分辨SAR圖像分類方法

有效

• 申請號: 201810072110.7
• 申請日: 2018-01-25
• 公開（公告）號: CN108537102B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 吳艷;梁文楷;曹宜策;李明;張鵬
• 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;G06N5/04
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于稀疏特征與條件隨機場的高分辨SAR圖像分類方法，包括：

(1)輸入高分辨SAR圖像Y，Y＝{y₁,...,y_i,...,y_N}，y_i為像素點i的灰度值，i＝1,2,...,N，N為圖像像素點總數；

(2)選取訓練降噪數據塊集合D和訓練數據塊的鄰域塊集合D^r，r＝1,...,S，S為選取的鄰域塊集合個數；

(3)提取SAR圖像塊特征：

3a)根據稀疏特征學習算法模型，利用訓練降噪數據塊集合D和訓練數據塊的鄰域塊集合D^r，r＝1,...,S來訓練系統參數W；

3b)將SAR圖像劃分為n×n大小的非重疊像素塊，以像素塊中點為中心，選取尺寸為L_w×L_w的鄰域圖像塊Q，利用系統參數W求鄰域圖像塊Q的稀疏特征映射圖F，提取特征映射圖的全局特征f₁和局部特征f₂，得到像素塊的特征表達：f＝[f₁,f₂]；

(4)從上述3b)劃分好的像素塊中選取部分像素塊作為訓練樣本，并提取每個訓練樣本對應的特征向量，訓練logistic分類器；

(5)在全連接條件隨機場模型中構建一元勢能函數：

5a)將3b)中劃分的所有像素塊作為測試樣本，按照3b)的方法提取每個測試樣本對應的特征向量，輸入訓練好的logistic分類器中分類，得到SAR圖像初始分類標記的后驗概率圖P；

5b)利用后驗概率圖P，構建全連接條件隨機場模型的一元勢能函數：

ψ_u(x_i)＝-log P_i(x_i|f_i),

其中P_i(x_i|f_i)為第i個像素點標記的后驗概率矩陣，x_i∈[1,...,k,...,l]指當前像素的類別標記，f_i表示像素點i所在像素塊的特征表達；

(6)在全連接條件隨機場模型中構建二元勢能函數：

6a)對SAR圖像進行邊緣檢測，得到二值邊緣劃分圖R₁；

6b)利用加權平均比率算子獲取SAR圖像的邊緣強度圖R₂，并將其與二值邊緣劃分圖R₁相乘融合，得到邊緣約束強度圖

6c)利用邊緣約束強度圖構建全連接條件隨機場的二元勢能函數：

其中，和分別表示第i個和第j個像素點的邊緣強度值，p_i和p_j分別表示第i個和第j個像素點的空間坐標，ω₁和ω₂分別表示高斯核的權重參數，θ_α，θ_β，θ_γ分別表示高斯核的尺度參數；當x_i＝x_j時，μ(x_i,x_j)＝0，當x_i≠x_j時，μ(x_i,x_j)＝1；

(7)根據上述一元勢能函數和二元勢能函數，形成完整的全連接條件隨機場模型：

其中，Z(Y)是歸一化常數，X是圖像分類標記圖，X＝{x₁,...,x_i,...,x_N}，x_i為像素點i的類別標記，x_i∈[1,...,k,...,l]；

(8)利用均值場推理算法對全連接條件隨機場模型P(X|Y)進行推理，得到圖像像素類別標記，輸出最終分類圖像。