[發明專利]一種基于SAR影像的地物分類方法及裝置

在審

• 申請號: 202110267334.5
• 申請日: 2021-03-11
• 公開（公告）號: CN112883898A
• 公開（公告）日: 2021-06-01
• 發明（設計）人: 孫震笙;李娟;顧行發;余濤;占玉林;楊健;劉苗;王春梅;魏香琴
• 申請（專利權）人: 中國科學院空天信息創新研究院
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 北京億騰知識產權代理事務所(普通合伙) 11309
• 代理人: 陳霽

1.一種基于SAR影像的地物分類方法，其特征在于，所述方法包括：

獲取待分類區域的SAR影像，所述SAR影像中包括多個像素；

利用深度學習模型獲得所述多個像素所屬的初始地物類別；

根據所述多個像素所屬的初始地物類別，利用條件隨機場模型獲得所述多個像素屬于各個地物類別的后驗概率，所述初始地物類別為所述各個地物類別中的任意一種；

對所述多個像素屬于各個地物類別的后驗概率進行超像素邊界約束，獲得所述多個像素屬于各個地物類別的后驗約束概率；

根據所述多個像素屬于各個地物類別的后驗約束概率，確定所述多個像素所屬的地物類別。

2.根據權利要求1所述的方法，其特征在于，在所述利用預先訓練的深度學習模型獲得所述多個像素所屬的初始地物類別之前，所述方法還包括：

利用預先獲得的訓練樣本訓練所述深度學習模型，所述訓練樣本根據所述SAR影像對應的目視解譯結果確定，所述深度學習模型由卷積神經網絡組成。

3.根據權利要求1所述的方法，其特征在于，所述根據所述多個像素所屬的初始地物類別，利用條件隨機場模型獲得所述多個像素屬于各個地物類別的后驗概率包括：

將所述多個像素所屬的初始地物類別和所述多個像素的像素值代入所述條件隨機場模型；

迭代更新所述條件隨機場模型，獲得所述條件隨機場模型收斂時輸出的所述多個像素屬于各個地物類別的后驗概率。

4.根據權利要求1所述的方法，其特征在于，所述對所述多個像素屬于各個地物類別的后驗概率進行超像素邊界約束，獲得所述多個像素屬于各個地物類別的后驗約束概率包括：

對所述多個像素進行超像素分割，并確定所述多個像素所屬的超像素；

根據所述多個像素屬于各個地物類別的后驗概率，獲取所述多個像素所屬的超像素對應的均值后驗概率；

根據所述多個像素屬于各個地物類別的后驗概率、所述多個像素所屬的超像素對應的均值后驗概率和預設的約束權重，獲得所述多個像素屬于各個地物類別的后驗約束概率。

5.根據權利要求1所述的方法，其特征在于，所述根據所述多個像素屬于各個地物類別的后驗約束概率，確定所述多個像素所屬的地物類別包括：

將所述多個像素屬于各個地物類別的后驗約束概率中的最大概率值對應的地物類別作為所述多個像素所屬的地物類別。

6.一種基于SAR影像的地物分類裝置，其特征在于，所述裝置包括：

獲取模塊，用于獲取待分類區域的SAR影像，所述SAR影像中包括多個像素；

初分類模塊，用于利用深度學習模型獲得所述多個像素所屬的初始地物類別；

后分類模塊，用于根據所述多個像素所屬的初始地物類別，利用條件隨機場模型獲得所述多個像素屬于各個地物類別的后驗概率，所述初始地物類別為所述各個地物類別中的任意一種；

邊界約束模塊，用于對所述多個像素屬于各個地物類別的后驗概率進行超像素邊界約束，獲得所述多個像素屬于各個地物類別的后驗約束概率；

確定模塊，用于根據所述多個像素屬于各個地物類別的后驗約束概率，確定所述多個像素所屬的地物類別。

7.根據權利要求6所述的裝置，其特征在于，所述裝置還包括：

模型訓練模塊，用于利用預先獲得的訓練樣本訓練所述深度學習模型，所述訓練樣本根據所述SAR影像對應的目視解譯結果確定，所述深度學習模型由卷積神經網絡組成。

8.根據權利要求6所述的裝置，其特征在于，所述后分類模塊具體用于：

將所述多個像素所屬的初始地物類別和所述多個像素的像素值代入所述條件隨機場模型；

迭代更新所述條件隨機場模型，獲得所述條件隨機場模型收斂時輸出的所述多個像素屬于各個地物類別的后驗概率。