[发明专利]基于DBN模型的干涉SAR图像分类方法

摘要

本发明公开了一种基于深度信念网络DBN模型的干涉SAR图像分类方法，本发明解决了自动提取干涉SAR图像特征的技术问题。其实现过程是：1输入数据预处理，将输入数据进行归一化，对每个像素取其一个大小为M×M窗口；2样本提取，根据干涉SAR图像对应的实际地物，对待分类的每种地物选取一定量的样本；3根据实验确定DBN模型参数，然后根据样本训练DBN模型；4根据训练好的DBN模型，对待分类数据进行分类。本发明把DBN模型应用到干涉SAR图像分类上，利用了DBN模型自身优势，自动提取图像特征，缩短分类时间；发掘图像之间的相关性，提高分类准确率。可应用于干涉化合成孔径雷达SAR图像分类。

主权项

1.一种基于DBN模型的干涉SAR图像分类方法，其特征在于，包括有以下步骤：(1)输入数据的预处理输入的数据主要包括干涉SAR图像的主强度图、辅强度图及相干图，对以上三幅图的灰度值进行归一化处理；对每幅图像中的每个像素取一个邻域窗口作为对应每个像素的输入值；将三幅图叠加在一起，合成一个三维图像，该合成图像包括了干涉SAR图像对应所有的待分类数据信息；(2)样本选择根据干涉SAR图像的实际地物分布，对合成三维图像中的每一类数据随机选取n个M×M×3的图像块作为训练样本；(3)深度信念网络DBN模型训练DBN模型训练前首先确定模型参数，主要包括：网络层数、每层节点数、学习率，这些参数通过实验逐一调整，将确定好的参数用于预训练和微调整；DBN模型训练包括预训练阶段和微调整阶段3.1预训练阶段采用逐层训练的方式对各层中的RBM进行训练，低一层RBM的隐含层输出作为上一层的RBM的可见层输入，得到整个网络初始权值参数；3.2微调阶段采用有监督学习方式对最后一层的BP网络进行训练，并将实际输出与预期输出的误差逐层向后传播，对整个DBN网络的权值进行微调，得到训练好的DBN模型；(4)图像分类使用训练好的DBN模型，对待分类数据进行用softmax方法分类，得到干涉SAR图像的分类结果。