[发明专利]基于改进的PCAnet的SAR图像分类方法

摘要

本发明公开了一种基于改进的PCAnet的SAR图像分类方法，主要解决了现有技术中合成孔径雷达高分辨SAR图像分类过程中，滤波器初始化低效率，更新学习慢导致的分类计算复杂度高，效率低下的问题。本发明的具体步骤如下：(1)读取数据；(2)切片处理；(3)归一化预处理；(4)提取图像低频成分；(5)训练主成分分析网络PCAnet；(6)获取测试集的特征向量；(7)计算分类准确率；(8)输出分类结果。本发明具有对SAR图像分类分类时间短且分类准确率高的优点。

主权项

1.一种基于改进的PCAnet的SAR图像分类方法，包括如下步骤：(1)读取数据：从待分类SAR图像集中读取训练集和测试集；(2)切片处理：(2a)从训练集和测试集中所有的SAR图像中找到每幅图像的中心点；(2b)对于每一幅图像，在其中心点处截取64*64的图像切片，得到切片处理之后的训练样本集和测试样本集；(3)归一化处理：将训练集和测试集中所有的SAR图像切片的灰度值变换到[0,1]区间内；(4)提取图像低频成分：采用频域低通滤波方法，对训练集和测试集中所有的SAR图像进行切片，得到与训练集和测试集对应的低频成分图像；(5)训练主成分分析网络PCAnet：(5a)将训练集的低频成分图像输入主成分分析网络PCAnet的第一层；(5b)使用主成分分析法，得到主成分分析网络PCAnet第一层的8个滤波器；(5c)用主成成分分析网络PCAnet第一层的8个滤波器分别卷积主成分分析网络PCAnet中第一层的每张输入图像，得到更新后的训练集的低频成分图像的第一层特征图像；(5d)采用平均池化方法，得到更新后的训练集的低频成分图像的第一层特征图像；(5e)将更新后的训练集的低频成分图像的第一层特征图像输入主成分分析网络PCAnet的第二层；(5f)使用主成分分析法，得到主成分分析网络PCAnet第二层的8个滤波器；(5g)用主成成分分析网络PCAnet第二层的8个滤波器分别卷积训练集的低频成分图像的第一层特征图像，得到训练集的低频成分图像的第二层特征图像；(5h)采用平均池化方法，得到更新后的训练集的低频成分图像的第二层特征图像；(5i)对更新后的训练集的低频成分图像的第二层特征图像进行二值化和分块直方图统计，得到训练集中每张低频图片对应的特征向量；(6)获取测试集的特征向量：将测试集中所有样本输入到主成分分析网络PCAnet中，得到测试集中每张低频图片对应的特征向量；(7)计算分类准确率：采用稀疏分类的方法，得到测试集中每个样本的特征向量对应的类别标签，统计得到的测试集中每个样本的特征向量对应的类别标签中分类正确的个数，得到测试集的分类准确率；(8)输出测试集的分类准确率。