[发明专利]基于稀疏自动编码器的极化SAR图像分类方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及目标识别领域中基于稀疏自动编码器的极化合成孔径雷达(Synthetic Aperture Radar SAR)图像分类方法。本发明可用于对极化合成孔径雷达SAR图像的地物分类和目标识别。

背景技术

相比于传统的合成孔径雷达，极化合成孔径雷达SAR利用多个通道的散射信息，可以获得对目标更加全面的认识。极化合成孔径雷达SAR图像分类是极化合成孔径雷达SAR图像解译的重要研究内容，分类图既可作为中间结果为边缘提取、目标检测、识别等提供辅助信息，也可作为最终结果直接输出给用户。它在民用和军用领域均有着巨大的应用价值和理论意义。

近年来，很多极化合成孔径雷达SAR图像分类的方法被提取出来，这些方法的基本原理都是利用极化信息，从极化散射矩阵中提取一些与散射机理密切相关的参数，利用这些参数本身，再结合一些其他的方法，对极化合成孔径雷达SAR图像场景中的地物目标进行分类。经典的极化合成孔径雷达SAR图像分类方法包括：

电子科技大学在其专利申请“一种基于子孔径分析的极化合成孔径雷达图像分类方法”(专利申请号：200910058210.5，公开号：CN101464956A)中提出了一种基于子孔径分析的极化合成孔径雷达SAR图像分类方法。这种方法首先采用H/ɑ平面对全分辨率极化合成孔径雷达SAR图像进行初始分类，再对其进行子孔径分解，然后根据初始分类计算初始类别中心，最后计算所有子孔径图像中每一个像素点与各类别中心的距离测度，将像素点归类于距离测度最小的那一类。该方法虽然综合了目标在不同视角下的散射特性，以及散射特性的变化，但是仍然存在的不足是，该方法对待分类的极化合成孔径雷达SAR图像信息的丰富性要求高，待处理的高维数据具有无关性和冗余性，计算量大，实现过程复杂。

西安电子科技大学在其专利申请“基于谱聚类的极化SAR图像分类方法”(专利申请号：201110164401.7，公开号：CN102208031A)中提出了一种基于谱聚类的极化合成孔径雷达SAR图像分类方法。该方法首先对极化合成孔径雷达SAR图像的每一个像素点提取表征极化合成孔径雷达SAR目标散射特性的散射熵，结合空间坐标信息，利用Mean Shift算法对图像进行分割，对各区域进行谱聚类，获得图像的预分类结果，最后对预分类得到的整幅图像用Wishart分类器进行迭代分类。该方法虽然能在任意形状的样本空间上聚类并且收敛于全局最优解，但是仍然存在的不足是，采用高斯函数构造相似矩阵时，尺度参数对分类结构影响较大，并且难以得到最优的参数，导致特征提取的不合理，影响图像分割的稳定性，导致分类精度下降。

发明内容

本发明的目的是克服上述现有技术的不足，提供一种基于稀疏自动编码器的极化SAR图像分类方法。本发明与现有技术中其他极化合成孔径雷达SAR图像分类技术相比计算量小，分类精度和分类效率高。

本发明实现上述目的的思路是：先对极化合成孔径雷达SAR图像的相干矩阵进行滤波，再将去噪后的相干矩阵中的每一列向量的元素作为一个样本，将所有样本组成一个样本集，从样本集中随机选取样本组成无标签样本集、训练样本集和测试样本集，然后利用稀疏主分量分析方法获取无标签样本集的稀疏主分量，利用获得的稀疏主分量对所有样本集进行投影，再通过稀疏自动编码器获取无标签样本集的最优权重和偏差，利用获得的最优权重和偏差对训练样本集和测试样本集进行特征提取，最后利用支持向量机SVM进行对提取到的特征进行分类，得到最终分类结果。

本发明实现的具体步骤包括如下：

(1)输入待分类的极化合成孔径雷达SAR图像的相干矩阵；

(2)滤波：

采用滤波窗口大小为7×7的李Lee滤波器，对相干矩阵进行滤波，得到去噪后的相干矩阵；

(3)选取样本：

(3a)在去噪后的相干矩阵中，将每一列向量的元素作为一个样本，将去噪后的相干矩阵中的所有样本组成一个样本集；

(3b)从样本集中随机选取8%的样本作为无标签样本集；

(3c)从样本集中随机选取5%的样本作为训练样本集，将剩余95%的样本作为测试样本集；

(4)获取稀疏主分量：

(4a)对无标签样本集中的所有样本取平均值，用无标签样本集中的每一个样本分别减去平均值，获得去均值后的无标签样本集；

(4b)对去均值后的无标签样本集，采用稀疏主分量分析方法，得到去均值后的无标签样本集的稀疏主分量；