[发明专利]基于SSAE和FSALS‑SVM极化SAR图像分类

摘要

本发明的目的是提供一种基于SSAE和FSALS‑SVM的极化SAR图像分类方法。它利用栈式稀疏自动编码器(SSAE)的多隐层结构，获得具有对原始数据更本质的刻画能力并且更适合分类的深度特征，并用能够获得问题稀疏解的快速稀疏逼近最小二乘支持向量机(FSALS‑SVM)代替传统深度学习中常用的Softmax，与SSAE相结合，提高了对极化SAR图像的分类精度，并在一定程度上克服了传统基于像素的极化SAR图像分类方法受相干斑噪声影响大的缺点，保证了分类结果图中匀质区域的连贯性。

主权项

一种基于SSAE和FSALS‑SVM极化SAR图像分类方法，包括如下步骤：步骤1，对待输入的所有极化SAR图像数据进行预处理，获得无标记训练样本和带标记训练样本；步骤2，将每个稀疏自动编码器SAE均作为构成栈式稀疏自动编码器SSAE的一个基本单元，并将前一个SAE的输出作为后一个SAE的输入来逐个训练SAE，以获得每个SAE的模型参数，其中，步骤1中得到的所有无标记训练样本作为首个SAE的输入；步骤3，将步骤2中获得的多个SAE级联在一起，构成SSAE，并将步骤1中得到的带标记训练样本输入该SSAE，进行前馈传导计算，获得这些带标记训练样本的深度特征；步骤4，将深度特征进行归一化处理后，输入到快速稀疏逼近最小二乘支持向量机FSALS‑SVM，通过迭代训练获得训练后的FSALS‑SVM分类器；步骤5，输入预处理后的待分类极化SAR图像，经过栈式稀疏自动编码器，获得数据的深度特征，并将其输入到训练后的FSALS‑SVM分类器，获得图像的最终分类结果。