[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

说明书

本发明公开了一种基于深度阶梯网的极化SAR影像目标检测方法，其方案是：输入待检测的极化SAR图像，对极化相干矩阵T进行Lee滤波；对滤波后的T求解得到极化协方差矩阵C；对极化协方差矩阵C进行Yamaguchi分解，构成基于像素点的特征矩阵F；对F归一化，并对归一化后的特征矩阵F1中的每个元素取块，拉成一列，构成基于图像块的特征矩阵F2；根据F2得到训练集D；使用超像素中的SLIC算法得到测试集T；构造基于深度阶梯网的目标检测模型；用训练数据集D对目标检测模型进行训练；利用训练好的目标检测模型对测试数据集T进行分类。本发明使用了深度阶梯网，仅使用少量有类标样本就获得了很高的目标检测精度，本发明可用于地物分类。

【技术领域】

本发明属于图像处理技术领域，具体涉及一种极化SAR影像的目标检测方法，可用于地物分类，具体是一种基于深度阶梯网的极化SAR影像目标检测方法。

【背景技术】

合成孔径雷达(SAR)作为各种遥感手段中唯一具有全天时全天候遥感成像能力的雷达，在遥感领域具有无可替代的作用，目前已得到广泛应用。极化合成孔径雷达(极化SAR)是建立在传统SAR体制上的新型SAR体制雷达，它的出现极大地拓宽了SAR应用领域。

随着极化SAR系统的推广，所获得的全极化数据也越来越丰富。如何对图像做出快速而准确的解译，如何有效地对目标进行分类或检测，已成为迫切需要解决的一个难题。

根据是否利用先验信息，极化SAR影像的分类可分为基于单像素点的分类方法和结合邻域信息的分类方法。根据是否需要人工指导，极化SAR影像的分类可分为有监督分类、半监督分类和无监督分类。传统大多数方法是有监督的分类方法，例如：复Wishart分布的极化相干矩阵监督分类方法，人工神经网络NN和支持向量机SVM等方法。

除了有监督分类，还可以用无监督或半监督分类实现极化SAR影像目标检测。而以上方法都是有监督分类方法，需要大量的有类标数据，成本较高，需耗费大量的人力财力。

【发明内容】

针对上述现有技术中存在的问题，本发明的目的在于提供出一种基于深度阶梯网的极化SAR影像目标检测方法，该方法仅使用少量有类标样本，即可获得较高的城区目标检测精度。

为实现上述目的，本发明的技术方案包括如下步骤：

一种基于深度阶梯网的极化SAR影像目标检测方法，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。