[发明专利]一种基于深度学习SAR图像分类的图像选择的方法及系统

权利要求书

1.一种基于深度学习SAR图像分类的图像选择的方法，其特征在于，所述方法包括：

步骤1，对待分析图像进行初始化，特征层融合可以表示为最大后验概率(MAP)估计，

其中，S代表N幅图像对应像素的标记，Y＝[y₁,…,y_N]包含不同图像对应像素的特征；

步骤2，引入因子图来描述不同图像中对应像素之间的关系，不同图像对应像素之间的关系建立为马尔可夫模型，其中，所述引入因子图来描述不同图像中对应像素之间的关系，后验分布p(S|Y)分解为单个变量和成对项：

其中，每个单变量Φ_n(S_n)模拟联合分布中S_n的影响，每个成对项Ψ_ij(S_i,S_j)表示图中边S_i和S_j的相互依赖性；

步骤3，利用信念传播算法，避免了计算传感器的联合统计分布，有利于简化图像选择算法的计算，其中，作为消息传递机制的信念传播算法可以将消息更新规则简化为线性融合模型，作为消息传递机制的信念传播算法可以将消息更新规则简化为线性融合模型，把L_n和θ定义为：

对于每一像素l，

θ＝A_lL_n, (5)

其中，A_l是1×N向量，每个元素a_i代表任一图像与其他图像之间的关系，L_n是N×1向量；

步骤4，对于选定图像确定其与其他图像之间的特征相关性，并确定传感器融合的容量以完成图像选择的过程，传感器融合的容量由θ和L_n的互信息定义：

其中，l是像素编号；

每个像素都有功率约束的多输入单输出(MISO)系统的容量，因此得到：

其中，M是选定图像的个数，不超过N，σ²是加性高斯白噪声的功率，a_i是A_l的第i个元素，p_i是每个像素的功率；

由于p_i设置为常数，则等式(7)变为：

其中，a_i表示图像n与其他图像之间的特征相关性，使用典型相关分析(CCA)方法计算，是每个图像的平均信噪比。

2.一种基于深度学习SAR图像分类的图像选择的系统，其特征在于，包括处理器、机器可读存储介质，所述机器可读存储介质和所述处理器连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以实现权利要求1所述的基于深度学习SAR图像分类的图像选择的方法。