[发明专利]一种基于深度阶梯网的极化SAR影像目标检测方法

权利要求书

1.一种基于深度阶梯网的极化SAR影像目标检测方法，其特征在于，包括如下步骤，

(1)对待检测的极化SAR影像的极化相干矩阵T进行Lee滤波，得到滤波后的极化相干矩阵T；

(2)通过滤波后的极化相干矩阵T求得极化协方差矩阵C；

(3)对极化协方差矩阵C进行Yamaguchi分解，得到奇次散射能量、偶次散射能量、体散射能量和螺旋体散射能量，取奇次散射能量、偶次散射能量、体散射能量作为极化SAR图像的三维图像特征，构成基于像素点的特征矩阵F，并生成伪彩图P；

(4)将基于像素点的特征矩阵F中的元素值归一化到[0，1]之间，记作特征矩阵F1；

(5)将特征矩阵F1中每个元素取周围16×16的块并拉成一列代表原来的元素值，构成基于图像块的特征矩阵F2；

(6)随机选取特征矩阵F2中若干块组成训练集D；

(7)使用超像素中的SLIC算法对伪彩图P进行分割，得到分割好的超像素点，以每个超像素中心点为中心，在特征矩阵F中取其周围16×16的块并拉成一列代表超像素点的值，形成测试集T；

(8)构造深度阶梯网目标检测模型；

(9)用训练集D对目标检测模型进行训练，得到训练好的模型；

(10)利用训练好的模型对测试集T进行分类，得到测试数据集中每个像素点对应的模型的输出；

所述步骤(1)中，对待检测的极化SAR影像的极化相干矩阵T进行Lee滤波，得到滤波后的极化相干矩阵T，其中待检测的极化SAR图像大小为1800×1380像素，滤波时选用窗口大小为7×7像素的Lee滤波器滤除相干噪声，得到滤波后的极化相干矩阵T，其中，T中每个元素是一个3×3的矩阵；

所述步骤(3)中，对极化协方差矩阵C进行Yamaguchi分解，步骤如下：

(3a)待检测图像的极化协方差矩阵C为：

其中，S_HH表示水平发射、水平接收的同极化分量，S_VV表示垂直发射、垂直接收的同极化分量，S_HV表示水平发射、垂直接收的同极化分量，S_VH表示垂直发射、水平接收的同极化分量；

(3b)表面散射的散射矩阵，偶次散射的散射矩阵，体散射的散射矩阵以及Yamaguchi提出的第四种螺旋体散射的散射矩阵以及协方差矩阵如下：

表面散射的散射矩阵和协方差矩阵分别为式3和式4：

偶次散射的散射矩阵和协方差矩阵分别为式5和式6：

体散射的散射矩阵和协方差矩阵分别为式7和式8：

Yamaguchi提出的第四种螺旋体散射的散射矩阵和协方差矩阵分别为式9和式10：

其中α是复数，R_th、R_tv分别表示角反射器的垂直表面的水平和垂直极化的反射系数，R_gh、R_gv分别表示角反射器的水平表面的水平和垂直极化的反射系数，β是实数，R_H、R_V分别表示水平和垂直极化的反射系数；

(3c)把任意像元的协方差矩阵看成是四个散射分量协方差矩阵的加权合成：

[C]＝f_s[C]_surface+f_d[C]_double+f_v[C]_volume+f_h[C]_helix 11

其中f_s、f_d、f_v和f_h分别为表面散射分量的系数、偶次散射分量的系数、体散射分量的系数和螺旋体散射分量的系数；

(3d)将式1-式10带入式11得到如下方程组：

(3e)求解步骤(3d)的方程组，得到表面散射分量的散射功率P_s、偶次散射分量的散射功率P_d、体散射分量的散射功率P_v和螺旋体散射分量的散射功率P_h，以及总功率P分别如下：

所述步骤(7)中，通过超像素中的SLIC算法对伪彩图P进行分割，初始化种子点40000个，最后得到38925个超像素点，取每个超像素点的中心点周围16×16像素的块代表该超像素点的值，对应的类标即超像素中心点的类标，将每个块拉成一列，组成待检测极化SAR影像的测试集T。