[发明专利]一种基于多任务DCGAN的SAR图像分类方法

权利要求书

1.一种基于多任务DCGAN的SAR图像分类方法，其特征在于，包括以下步骤：

(1)构建多任务DCGAN网络框架

构建内容包括：对抗任务模块、分类任务模块、自编码任务模块，及多任务GAN的自适应损失函数；

(2)对原始SAR数据进行合理表征

包括：对于单极化数据，采用幅度或强度进行表征；对于极化数据，采用水平-水平、水平-垂直、垂直-垂直三种极化的幅度、强度，或者极化分解得到的相应物理量进行表征；

(3)生成训练数据集和测试数据集

包括：采用滑窗法生成SAR图像每个像素点的切片图像；对每种地物类别随机取10％的切片图像数据作为训练集，其余数据作为测试集；

(4)训练多任务DCGAN

采用交替训练的方式更新对抗任务模块、分类任务模块与自编码任务模块直至收敛，在训练过程中采用Adam算法进行梯度回传；

(5)对测试SAR图像数据集进行地物分类并计算评价指标

将测试SAR图像数据输入训练好的多任务DCGAN网络中，得到地物分类结果，并计算相应的Precision、Recall、F1-Score、OA、Kappa评价指标。

2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中，对抗任务模块的具体结构和参数为：

对抗任务模块具有4层结构，其结构依次为：输入层-第一全连接层-BatchNorm层-LeakyRelu层-第二全连接层-BatchNorm层-LeakyRelu层-第一反卷积层-BatchNorm层-LeakyRelu层-第二反卷积层-Tanh层；

各层的参数设置如下：

输入层的特征图维度设置为100+类别个数；

第一全连接层、BatchNorm层节点个数设置为1024，LeakyRelu层的斜率参数设置为0.2；

第二全连接层、BatchNorm层节点个数设置为128*输入图像长度/4*输入图像宽度/4，LeakyRelu层的斜率参数设置为0.2；

第一反卷积层滤波器个数、滤波器尺寸大小、步长、填充分别设置为64,4,2,1；BatchNorm层节点个数设置为64，LeakyRelu层斜率参数设置为0.2；

第二反卷积层滤波器个数、滤波器尺寸大小、步长、填充分别设置为类别数，4，2，1；Tanh层节点个数为3。

3.根据权利要求1所述的方法，其特征在于，所述步骤(1)中，分类任务模块的具体结构和参数为：

分类任务模块具有5层结构，其结构依次为：输入层-＞第一卷积层-＞LeakyRelu层-＞第二卷积层-＞BatchNorm层-＞LeakyRelu层-＞第三卷积层-＞LeakyRelu层-＞第一全连接层-＞自编码层-＞Softmax层、Sigmoid层；

各层的参数设置如下：

输入层的特征图维度为3；

第一卷积层滤波器个数、滤波器尺寸大小、步长、填充分别设置为64，4，2，1；LeakyRelu层斜率参数设置为0.2；

第二卷积层滤波器个数、滤波器尺寸大小、步长、填充分别设置为128，4，2，1；BatchNorm层节点个数设置为128，LeakyRelu层斜率参数设置为0.2；

第三卷积层滤波器个数、滤波器尺寸大小、步长、填充分别设置为128，4，2，1；LeakyRelu层斜率参数设置为0.2；

第一全连接层节点个数设置为256，自编码层的隐节点设置为128，Softmax层节点个数设置为类别个数，Sigmoid层节点个数设置为2。

4.根据权利 要求1所述的方法，其特征在于，所述步骤(1)中，自编码任务模块的具体结构和参数为：

自编码任务模块具有三层结构，依次为：输入层-＞隐层-＞输出层；

各层的参数设置如下：

输入层节点个数为2048，隐层节点个数为1024，输出层节点个数为2048。