[发明专利]基于深度稀疏ICA的极化SAR图像分类方法

摘要

本发明公开了一种基于深度稀疏ICA的极化SAR图像分类方法，主要克服现有技术中提取的极化SAR图像特征单一且特征层次低造成分类精度不高的问题。其实现步骤为先对待分类的极化SAR图像进行精致Lee滤波；再提取滤波后图像的散射、纹理、颜色及协方差矩阵特征并将所有特征进行归一化和白化处理，之后选取无标签样本集，训练样本集，测试样本集；利用深度稀疏ICA方法提取训练样本集和测试样本集原始特征的深度稀疏特征表示；最后训练分类器并预测分类，输出结果。本发明相对于已有的方法，图像的特征描述更全面细致，提高了分类精度，可用于极化合成孔径雷达SAR图像目标的检测和目标识别。

主权项

一种基于深度稀疏ICA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T1和待分类SAR图像的真实地物标记图像T2；(2)采用精致Lee滤波方法，对待分类的极化SAR图像T1进行滤波，去除斑点噪声，得到滤波后的极化SAR图像T1’；(3)提取滤波后的极化SAR图像T1’的散射、纹理、颜色及协方差矩阵特征；(4)将散射特征、纹理特征、颜色特征及协方差矩阵特征组合成原始样本特征集，并将该原始样本特征集的值归一化到0～1之间，进行白化处理；(5)选取无标签样本集，训练样本集和测试样本集；5a)在白化处理过的原始样本特征集中随机选取2％的样本特征作为无标签样本集Xun_0；5b)根据待分类SAR图像的真实地物标记图像T2，在白化处理过的原始样本特征集中选出与该T2中已标记真实地物相同的样本特征集，并在该样本特征集中随机选取20％的样本特征作为训练样本集Xtr_0，剩余的80％的样本特征作为测试样本集Xte_0；(6)用深度稀疏ICA方法，分别提取无标签样本集、训练样本集和测试样本集的深度稀疏特征表示；6a)用均值为0，方差为1的正态分布初始化第一层稀疏ICA的基矩阵W1；6b)利用基矩阵W1，计算整体无标签样本集的方差衰减值，获取第一层稀疏ICA的最优基矩阵WOpt_1；6c)将获得的最优基矩阵WOpt_1分别与无标签样本集Xun_0，训练样本集Xtr_0，测试样本集Xte_0相乘，得到无标签样本集，训练样本集，测试样本集的第一层深度稀疏特征表示Xun_1，Xtr_1，Xte_1；6d)将由第一层稀疏ICA提取到的无标签样本集的第一层深度稀疏特征表示Xun_1作为第二层稀疏ICA的输入，重复步骤6a)～6c)获得第二层稀疏ICA的最优基矩阵WOpt_2，进而得到无标签样本集，训练样本集，测试样本的第二层深度稀疏特征表示Xun_2，Xtr_2，Xte_2，其中，稀疏ICA的层数可以据分类结果进行调整，每加一层，都要重复步骤6a)～6c)一次，得到训练样本集和测试样本集最终的深度稀疏特征表示分别是Xtr和Xte；(7)将训练样本集的最终深度稀疏特征表示Xtr输入到支持向量机分类器中进行训练，得到训练好的分类器；(8)利用训练好的分类器，对待分类的极化SAR图像T1的每个像素进行分类，得到极化SAR图像T1的每个像素所属地物类别；(9)对步骤(8)中的分类结果，根据红、绿、蓝三基色原理，用同一种颜色标出同类地物，得到上色后的极化SAR图像T3，输出上色后的极化SAR图像T3。