[发明专利]基于分布和结构匹配生成对抗网络的SAR图像地物分类方法

说明书

本发明公开了一种基于分布和结构匹配生成对抗网络的SAR图像地物分类方法，选取训练集中的真实数据与生成器生成的伪数据训练DSM‑ACGAN中的判别器，更新其参数；固定判别器参数，再次生成伪数据训练DSM‑ACGAN中的生成器，更新其参数；计算生成数据和真实数据的分布和结构特性差异，作为样本权重引导DSM‑ACGAN训练和判别器中的特征学习；利用训练好的判别器对测试SAR图像进行预测并计算分类指标。本发明同时将真实SAR图像的统计和图像特性作为判别性先验融入生成对抗网络，有效地实现判别性特征学习，显著地提升了分类性能。

技术领域

本发明属于SAR图像处理技术领域，具体涉及一种基于分布和结构匹配生成对抗网络的SAR图像地物分类方法。

背景技术

SAR是一种高分辨主动式微波遥感成像雷达，其对地观测不受光照和天气等因素的影响，所以广泛应用于军事和民用方面。高分辨SAR图像地物分类是SAR理解和解译的重要环节，在环境保护、灾害监测、海洋观测、资源保护、土地覆盖、精确农业、城区检测以及地理测绘方面起到至关重要的作用。

特征提取是分类的重要组成部分，提取特征的判别性很大程度上决定了分类性能的好坏。现有的SAR图像地物特征提取主要通过以下两种途径：基于统计特性的分布建模和基于图像内容的空间特征提取。但前者需要费时费力的大量专家知识去设计和复杂的超参数决定，后者由于缺乏先验指导而只能得到混淆的特征，不可避免地降低分类性能。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于分布和结构匹配生成对抗网络的SAR图像地物分类方法，在真实SAR图像的分布和空间结构先验的指导下，利用生成对抗网络强大的特征学习能力，有效地实现SAR地物图像的判别特征学习，从而提升分类性能。

本发明采用以下技术方案：

基于分布和结构匹配生成对抗网络的SAR图像地物分类方法，通过选取训练集中的真实数据与生成器生成的伪数据训练DSM-ACGAN中的判别器并更新其参数；然后固定判别器参数，再次生成伪数据训练DSM-ACGAN中的生成器并更新其参数；再计算生成数据和真实数据的分布和结构特性差异，作为样本权重引导DSM-ACGAN训练和判别器中的特征学习；最后利用训练好的判别器对测试SAR图像进行预测并计算分类指标。

具体的，包括以下步骤：

S1、输入高分辨SAR图像，随机选取像块组成训练集；

S2、将随机噪声通过生成器映射到数据空间得到伪数据，并与真实数据一同送入判别器训练，更新判别器参数；

S3、将随机噪声送入网络训练，更新生成器参数；

S4、分别对比伪数据和真实数据的统计特性和视觉特性，得到统计特性和视觉特性的差异，并结合得到最终的差异，作为下代训练样本的权重；

S5、重复步骤S2～S4直至达到最大训练次数；

S6、利用训练好的判别器实现SAR图像分类，得到预测结果图，计算分类指标。

进一步的，步骤S1中，输入高分辨Traunstein地区的SAR图像，从建筑、水域、森林和农田四类中每类随机选取5000个样本，每个样本为28×28的图像块，减去图像均值后除以最大值实现归一化，作为网络真实数据的输入。

进一步的，步骤S2中，将服从正态分布的随机噪声批量地送入DSM-ACGAN，通过生成器得到28×28的生成图像，并与等批量的真实数据一同送入判别器训练，对目标函数L_c+L_S进行最小化，更新判别器参数。

进一步的，步骤S3中，将随机噪声通过生成器得到生成图像，固定判别器的参数，训练生成器，对目标函数L_c-L_S进行最小化，更新生成器参数。