[发明专利]基于稀疏自动编码器的极化SAR图像分类方法

摘要

本发明公开了一种基于稀疏自动编码器的极化SAR图像分类方法，主要解决现有技术中极化合成孔径雷达SAR图像特征的提取受数据无关性和冗余性的影响而导致分类过程复杂，和特征选取不合理导致分类精度不高的问题。本发明的具体实现步骤如下(1)输入待分类的极化合成孔径雷达SAR图像的相干矩阵；(2)滤波；(3)选取样本；(4)获取稀疏主分量；(5)训练稀疏自动编码器；(6)提取特征；(7)支持向量机分类；(8)输出分类结果。本发明具有对极化合成孔径雷达SAR图像分类效果显著的优点，可进一步用于极化合成孔径雷达SAR图像目标检测和目标识别。

主权项

一种基于稀疏自动编码器的极化SAR图像分类方法，包括如下步骤：(1)输入待分类的极化合成孔径雷达SAR图像的相干矩阵；(2)滤波：采用滤波窗口大小为7×7的李Lee滤波器，对相干矩阵进行滤波，得到去噪后的相干矩阵；(3)选取样本：(3a)在去噪后的相干矩阵中，将每一列向量的元素作为一个样本，将去噪后的相干矩阵中的所有样本组成一个样本集；(3b)从样本集中随机选取8%的样本作为无标签样本集；(3c)从样本集中随机选取5%的样本作为训练样本集，将剩余95%的样本作为测试样本集；(4)获取稀疏主分量：(4a)对无标签样本集中的所有样本取平均值，用无标签样本集中的每一个样本分别减去平均值，获得去均值后的无标签样本集；(4b)对去均值后的无标签样本集，采用稀疏主分量分析方法，得到去均值后的无标签样本集的稀疏主分量；(4c)将去均值后的无标签样本集的稀疏主分量分别与训练样本集、测试样本集和去均值后的无标签样本集相乘，得到降维后的训练样本集、测试样本集和无标签样本集；(5)训练稀疏自动编码器：(5a)在[‑2，2]范围内任意选取两个数，分别作为稀疏自动编码器的权重值和偏差值；(5b)对选取的稀疏自动编码器的权重值和偏差值，采用均方差衰减公式，获取整体样本均方差衰减值；(5c)对获得的整体样本均方差衰减值，采用梯度下降法，获取稀疏自动编码器的最优权重值和最优偏差值；(6)提取特征：对降维后的训练样本集和测试样本集，采用特征提取方法，得到训练样本特征集和测试样本特征集；(7)支持向量机分类：对训练样本特征集和测试样本特征集进行分类，得到训练样本特征集和测试样本特征集的分类结果；(8)输出分类结果。