[发明专利]基于SDAE-SVM的SAR图像目标分类方法

摘要

本发明公开了一种基于SDAE‑SVM的SAR图像目标分类方法。主要解决现有方法中普通堆栈自编码器提取到的SAR图像特征鲁棒性差，softmax分类器微调深度网络分类准确率低的问题。其步骤为：(1)读入数据；(2)分割操作；(3)旋转操作；(4)确定SAR图像的目标切片；(5)目标切片向量化；(6)构建一个四层的初始栈式去噪自编码器SDAE；(7)训练初始栈式去噪自编码器SDAE；(8)微调；(9)计算测试准确率；本发明具有提取得到的SAR图像目标特征鲁棒性高、能够提高SAR图像目标分类正确率的优点。

主权项

1.一种基于SDAE‑SVM的SAR图像目标分类方法，主要包括如下步骤：(1)读入数据：(1a)从SAR图像数据集中分别读入训练样本集和测试样本集；(1b)从SAR图像数据集中，分别读入训练样本集和测试样本集中每一幅SAR图像对应的旋转角度；(2)分割操作：采用马尔科夫随机场MRF分割方法，对读入的SAR图像数据集中的训练样本集和测试样本集的每幅SAR图像进行预分割，得到每幅SAR图像对应的二值图像；(3)旋转操作：以每幅SAR图像对应的旋转角度为旋转角，分别对每幅SAR图像与该SAR图像对应的二值图像进行顺时针旋转操作，使得每幅SAR图像与该SAR图像对应的二值图像的目标部分处于垂直状态，得到旋转后的SAR图像和对应的旋转后的二值图像；(4)确定SAR图像的目标切片：(4a)利用质心计算公式，计算每幅旋转后的SAR图像中目标部分的质心位置横坐标值和纵坐标值，得到每幅旋转后的SAR图像中目标部分的质心位置；(4b)以每幅旋转后的SAR图像中目标部分的质心位置为中心，从每幅旋转后的SAR图像中选取大小为61×31的图像块，将所选取的图像块作为每幅SAR图像的目标切片；(5)目标切片向量化：(5a)将训练样本集中每幅SAR图像的目标切片按列排列，得到每个训练样本的列向量；(5b)将测试样本集中每幅SAR图像的目标切片按列排列，得到每个测试样本的列向量；(6)构建一个四层的初始栈式去噪自编码器SDAE；(7)训练初始栈式去噪自编码器SDAE：(7a)将每个训练样本的列向量输入到初始栈式去噪自编码器SDAE中；(7b)采用反向传递BP算法，对初始栈式去噪自编码器SDAE进行预训练，得到预训练后的栈式去噪自编码器SDAE；(8)微调：(8a)将支撑矢量机SVM堆叠在预训练后的栈式去噪自编码器SDAE的顶层，得到初始的栈式去噪自编码器和支撑矢量机SDAE‑SVM；(8b)采用反向传递梯度方法，对初始的栈式去噪自编码器和支撑矢量机SDAE‑SVM进行微调，得到微调好的栈式去噪自编码器和支撑矢量机SDAE‑SVM。(9)计算测试准确率：(9a)采用微调好的的栈式去噪自编码器和支撑矢量机SDAE‑SVM对每个测试样本的列向量进行分类，得到每个测试样本的预测类别标签；(9b)按照下式，计算测试准确率：其中，c表示测试样本的测试准确率，size表示求个数操作，b表示测试样本的预测类别标签，k表示测试样本的真实类别标签。