[发明专利]基于去噪自动编码的极化SAR图像的分类方法

摘要

本发明公开了一种基于去噪自动编码DA网络的极化SAR图像分类方法，主要解决现有技术提取特征过程复杂、特征泛化能力差及分类精度低的问题。其实现步骤是：首先输入任选一幅待分类的极化SAR图像，提取该极化SAR图像的原始特征以及其邻域特征；然后对原始特征及邻域特征取对数处理，使其噪声满足高斯分布；其次确定去噪自动编码DA网络的层数、各层节点数以及数据噪声并训练去噪自动编码DA网络；然后利用训练好的去噪自动编码DA网络，对待分类的极化SAR图像进行分类，得到极化SAR图像的分类结果。本发明由于使用了去噪自动编码DA网络，简化特征提取的过程，提高了特征的泛化能力和对图像的分类精度，可用于极化SAR图像的地物识别。

主权项

1.一种基于去噪自动编码DA网络的极化SAR图像分类方法，包括如下步骤：(1)输入任选一幅待分类的极化SAR图像，提取该极化SAR图像的原始特征以及其邻域特征：(1.1)按照下式分解极化SAR图像的相干矩阵：其中T表示极化SAR图像的相干矩阵，i表示复数虚部单位，极化SAR图像的每个点的值都是一个3*3的相干矩阵，a表示极化SAR图像的对称因子，c表示极化SAR图像的构型因子，d表示极化SAR图像的局部曲率，h表示极化SAR图像的方向性，g表示极化SAR图像对称部分间的耦合度，b表示极化SAR图像的非规则性因子，e表示极化SAR图像的表面扭转性，f表示极化SAR图像的螺旋性，l表示极化SAR图像的非对称因子；(1.2)从相干矩阵T中，得到12个原始特征参数，分别为对称因子a，非规则性因子b，构型因子c，局部曲率d，表面扭曲性因子e，螺旋性因子f，耦合度因子g，方向性因子h，非对称因子l以及表示复数特征的|c‑id|，|h+ig|，|e+if|；(1.3)将上述提取的12组原始特征的每一组特征表示为一幅图像，在每一幅图像上选择一个5*5的滑动窗口，用窗口除中心点像素外所有点的像素值表示中心点像素的邻域特征，将12幅图像的同一个坐标点的邻域特征组合起来，构成每个样本的邻域特征；(2)对原始特征及邻域特征取对数处理，使其噪声满足高斯分布；(3)确定去噪自动编码DA网络的层数、各层节点数以及数据噪声：(3.1)建立基于去噪自动编码的4层网络，这4层依次为输入层，两个隐含层和分类层；(3.2)指定去噪自动编码的输入层节点数为300，第一个隐含层节点数为100，第二个隐含层节点数为100，分类层节点数为9；(3.3)根据极化SAR的相干斑噪声服从伽马分布的特性，在独立视数大于3情况下，对伽马分布取对数作为数据噪声；(4)训练去噪自动编码DA网络：(4a)根据实际地物参照图，确定参照图中地物的类别数，在每类中选取10％的地物标记作为训练样本，并将训练样本的特征输入到所述自动编码DA网络中，逐层的进行贪婪训练；(4b)使用反向传播算法BP，微调去噪自动编码DA网络的结构参数以及噪声参数，得到训练好的去噪自动编码DA网络；(5)利用训练好的去噪自动编码DA网络，对待分类的极化SAR图像进行分类，得到极化SAR图像的分类结果。