[发明专利]基于边缘感知双分支FCN的极化SAR图像分类方法

权利要求书

1.一种基于边缘感知双分支FCN的极化SAR图像分类方法，其特征在于，包括如下步骤：

步骤1，输入极化SAR图像；

步骤2，使用精致Lee滤波算法对极化SAR图像进行滤波；

步骤3，得到极化SAR图像的边缘标签；

步骤4，随机选取部分有标记样本，设置为训练集，剩余的有标记样本设置为测试集；

步骤5，使用训练集对双分支全卷积网络进行训练，得到训练好的极化SAR图像分类模型；

步骤5的具体方式为：边缘感知网络分支只参与训练，测试时只采用分类网络来预测类别输出；此外，将极化SAR图像切割成子图，然后对子图进行训练；所述双分支全卷积网络有两个分支网络，其中，一个分支网络是边缘感知网络，另一个分支网络是全卷积网络，两个分支网络共享编码器结构和参数；

训练双分支全卷积网络的损失函数L_DBFCN为：

L_DBFCN＝λ_clL_cl+λ_bdL_bd

其中，L_cl代表分类损失，L_bd代表边缘检测损失，λ_cl和λ_bd分别为对应的损失权重，用于调整分类损失和边缘检测损失的相对重要性；

L_cl用多元交叉熵损失函数表示：

式中，M表示训练样本个数，N表示极化SAR图像分类的类别个数，y_ij和y′_ij分别代表真实类别分布和预测类别的概率分布；

L_bd用二元交叉熵损失函数表示：

式中，和分别代表真实边缘分布和边缘检测分布，γ为边缘惩罚项参数且γ1。

2.根据权利要求1所述的一种基于边缘感知双分支FCN的极化SAR图像分类方法，其特征在于，步骤3的具体方式为：采用归一化的高斯模板对极化SAR图像的真实标签图像进行滤波，模板大小为5×5，高斯函数的参数σ＝1.4，之后对滤波得到的梯度图进行阈值处理，将灰度值小于25的像素设置为背景，大于25的像素设置为边缘，从而获得边缘标签。