[发明专利]基于加权稠密网的极化SAR图像分类方法

权利要求书

1.一种基于加权稠密网的极化SAR图像分类方法，其特征在于，该方法计算待分类极化SAR图像在加权稠密网中的每个特征图的权重值，只保留权重值大于0.5的特征图，用该特征图对地物目标进行分类，该方法的具体步骤包括如下：

(1)构建加权稠密网：

搭建一个17层的加权稠密网，其结构依次为：输入层→第一个卷积层→第一个池化层→第二个卷积层→第三个卷积层→第四个卷积层→第二个池化层→第五个卷积层→第六个卷积层→第七个卷积层→第三个池化层→第八个卷积层→第九个卷积层→第十个卷积层→第四个池化层→分类层；

加权稠密网的各层参数设置如下：

将输入层的特征图的总数设置为3个；

将第一个卷积层的特征图的总数设置为48个，将卷积核设置为7×7个节点；

将第二、第四、第五、第七、第八、第十共6个卷积层的每一层的特征图设置为24个，将每层卷积层的卷积核设置为1×1个节点；

将第三、第六、第九共3个卷积层的每一层的特征图设置为24个，将每层卷积层的卷积核设置为3×3个节点；

将第一、第二、第三、第四共4个池化层的每一层的特征图设置为24个；

将分类层的特征图总数设置为1；

(2)选取待分类的极化SAR图像：

选取一帧大小为1300×1200像素的含有地物目标的待分类极化SAR图像；

(3)对待分类极化SAR图像进行滤波：

用精致极化Lee滤波方法，滤除所选取的待分类极化SAR图像中的相干噪声，得到极化散射矩阵；

(4)获得散射特征：

(4a)利用散射系数公式，计算待分类极化SAR图像的散射矩阵的散射系数值；

(4b)利用散射特征公式，分别计算待分类极化SAR图像的散射矩阵的奇次散射特征值、偶次散射特征值、体散射特征值；

(5)用待分类极化SAR图像的散射矩阵的三个特征值，组成一个三维特征矩阵；

(6)生成训练数据集和测试数据集：

(6a)在特征矩阵中，以每一个像素点为中心，分割出大小为32×32的特征矩阵块；

(6b)从分割出的特征矩阵块中随机选取10％的特征矩阵块，作为训练数据集，将其余的特征矩阵块作为测试数据集；

(7)使用加权稠密网对训练数据集进行分类：

(7a)将训练数据集输入到加权稠密网中，得到与输入训练数据集中的每个特征矩阵块对应的特征图，将特征图中的所有像素值相加，再除以特征图中像素的总数，得到一个实数，在[0,1]区间对该实数进行归一化操作，将归一化后的实数值作为特征图的权重值；

(7b)对于权重值大于0.5的特征图，保持该特征图的权重值不变，对于权重值小于0.5的特征图，将该特征图的权重值设为0，得到调整好的权重值；

(7c)将特征图与调整好的权重值相乘，得到新的特征图；

(7d)将新的特征图输入到加权稠密网中，对特征图中的每个像素点进行分类，得到训练好的加权稠密网；

(8)对测试数据集进行分类：

将测试数据集输入到训练好的加权稠密网中，得到测试数据集中每个像素点的分类结果。

2.根据权利要求1所述的基于加权稠密网的极化SAR图像分类方法，其特征在于，所述步骤(4a)中所述的散射系数公式如下：

其中，K表示待分类极化SAR图像的散射矩阵的散射系数值，S_HH表示待分类极化SAR图像的散射矩阵的散射系数值的水平发射且水平接收的散射分量，S_VV表示待分类极化SAR图像的散射矩阵的散射系数值的垂直发射且垂直接收的散射分量，S_HV表示待分类极化SAR图像的散射矩阵的散射系数值的水平发射且垂直接收的散射分量，T表示转置操作。