[发明专利]基于深度稀疏ICA的极化SAR图像分类方法

权利要求书

1.一种基于深度稀疏ICA的极化SAR图像分类方法，包括如下步骤：

(1)输入待分类的极化合成孔径雷达SAR图像T1和待分类SAR图像的真实地物标记图像T2；

(2)采用精致Lee滤波方法，对待分类的极化SAR图像T1进行滤波，去除斑点噪声，得到滤波后的极化SAR图像T1’；

(3)提取滤波后的极化SAR图像T1’的散射、纹理、颜色及协方差矩阵特征；

(4)将散射特征、纹理特征、颜色特征及协方差矩阵特征组合成原始样本特征集，并将该原始样本特征集的值归一化到0～1之间，进行白化处理；

(5)选取无标签样本集，训练样本集和测试样本集；

5a)在白化处理过的原始样本特征集中随机选取2％的样本特征作为无标签样本集X_{un_0}；

5b)根据待分类SAR图像的真实地物标记图像T2，在白化处理过的原始样本特征集中选出与该T2中已标记真实地物相同的样本特征集，并在该样本特征集中随机选取20％的样本特征作为训练样本集X_{tr_0}，剩余的80％的样本特征作为测试样本集X_{te_0}；

(6)用深度稀疏ICA方法，分别提取无标签样本集、训练样本集和测试样本集的深度稀疏特征表示；

6a)用均值为0，方差为1的正态分布初始化第一层稀疏ICA的基矩阵W₁；

6b)利用基矩阵W₁，计算整体无标签样本集的方差衰减值，获取第一层稀疏ICA的最优基矩阵W_{Opt_1}；

6c)将获得的最优基矩阵W_{Opt_1}分别与无标签样本集X_{un_0}，训练样本集X_{tr_0}，测试样本集X_{te_0}相乘，得到无标签样本集，训练样本集，测试样本集的第一层深度稀疏特征表示X_{un_1}，X_{tr_1}，X_{te_1}；

6d)将由第一层稀疏ICA提取到的无标签样本集的第一层深度稀疏特征表示X_{un_1}作为第二层稀疏ICA的输入，重复步骤6a)～6c)获得第二层稀疏ICA的最优基矩阵W_{Opt_2}，进而得到无标签样本集，训练样本集，测试样本的第二层深度稀疏特征表示X_{un_2}，X_{tr_2}，X_{te_2}，

其中，稀疏ICA的层数可以据分类结果进行调整，每加一层，都要重复步骤6a)～6c)一次，得到训练样本集和测试样本集最终的深度稀疏特征表示分别是X_tr和X_te；

(7)将训练样本集的最终深度稀疏特征表示X_tr输入到支持向量机分类器中进行训练，得到训练好的分类器；

(8)利用训练好的分类器，对待分类的极化SAR图像T1的每个像素进行分类，得到极化SAR图像T1的每个像素所属地物类别；

(9)对步骤(8)中的分类结果，根据红、绿、蓝三基色原理，用同一种颜色标出同类地物，得到上色后的极化SAR图像T3，输出上色后的极化SAR图像T3。

2.根据权利要求1所述的方法，其中所述步骤(3)中提取滤波后的极化SAR图像的散射特征，是对滤波后的极化SAR图像的每个像素，采用Yamaguchi分解方法得到p_s，p_v，p_d，p_h，f_s，f_v，f_d，f_h共8个散射参数，采用Cloude分解方法得到A，H，α，λ₁，λ₂，λ₃共6个散射参数，采用Huynen分解方法得到|2A₀|，|C-iD|，|H+iG|共3个散射参数，将得到的这些散射参数作为17维的散射特征。