[发明专利]基于深度卷积孪生网络的小样本极化SAR地物分类方法

权利要求书

1.一种基于深度卷积孪生网络的小样本极化SAR地物分类方法，包括：

(1)输入一幅430*280大小的待分类极化SAR图像及该极化SAR图像对应的真实地物标签信息；

(2)对待分类的极化SAR图像进行Lee滤波，去除相干斑噪声干扰，得到滤波后的待分类极化SAR图像数据；

(3)基于待分类极化SAR图像数据的极化相干矩阵T，提取每个像素点的极化特征向量，利用空间邻域信息，得到待分类的极化SAR输入特征向量；

(4)从待分类极化SAR特征向量的每个类别中随机选取10个样本组成训练样本集，其余作为测试样本集；

(5)对训练样本集中的样本两两组合，得到样本对训练集，若样本对中的两个样本属于同一类别，则为正样本对，否则为负样本对；

(6)搭建深度卷积孪生网络：

(6a)构造权值共享的一维卷积孪生网络作为特征提取网络；

(6b)在所构造的权值共享的一维卷积孪生网络之上，增加多层全连接分类网络，共同组成深度卷积孪生网络；

(7)训练深度卷积孪生网络：

(7a)对权值共享的一维卷积孪生网络训练，以实现极化SAR输入特征向量的差异化特征提取；

(7b)对多层全连接分类网络进行训练，以实现深度卷积孪生网络的微调；

(8)利用所训练好的深度卷积孪生网络对测试样本集的像素点进行类别预测，得到每个像素点的地物类别。

2.根据权利要求1所述的方法，其特征在于，其中步骤(3)中从滤波后的极化SAR图像数据中提取输入特征向量，按如下步骤进行：

(3a)极化SAR图像数据中每个像素点的极化相干矩阵T以维数为3*3矩阵表示：

(3b)根据极化SAR数据的极化相干矩阵T提取对应像素点的极化特征向量：

I＝(|T₁₁|²,|T₂₂|²,|T₃₃|²,|Re[T₁₂]|²,|Re[T₁₃]|²,|Re[T₂₃]|²,|Im[T₂₁]|²,|Im[T₂₃]|²,|Im[T₃₁]|²)其中，T_ij为极化相干矩阵T的第i行第j列的元素，i,j∈{1,2,3}；|·|为取模运算；Re[·]为取实部运算；Im[·]为取虚部运算；

(3c)基于空间一致性假设，用每个像素点为中心的3*3邻域窗口中的9个像素点的极化特征向量联合表示该像素点的输入特征向量：

x_k＝[I_k-r-1I_k-rI_k-r+1I_k-1I_kI_k+1I_k+r-1I_k+rI_k+r+1]，

其中，I_k为第k个像素点的极化特征向量，x_k为第k个像素点的输入特征向量，r为该待分类极化SAR图像的行数，k＝1,2,...,M，M为该待分类极化SAR图像像素点的个数；当计算下标小于等于0或大于等于M时，取该下标为当前像素点的标号k。