[发明专利]基于深度相关向量机的SAR图像分类方法

摘要

本发明公开了一种基于深度相关向量机的SAR图像分类方法，主要解决了合成孔径雷达图像分类问题。其分类过程为：(1)输入双精度类型的合成孔径雷达SAR图像的矩阵；(2)对输入的双精度类型的合成孔径雷达SAR图像的矩阵进行归一化处理；(3)训练三个受限玻耳兹曼机RBM；(4)训练RVM分类器；(5)构建深度RVM模型；(6)分类；(7)计算预测类标；(8)得到分类正确率。本发明挖掘了合成孔径雷达图像的深度特征，采用了相关向量机RVM，稀疏地学习特征，保留了雷达图像的信息完整性，挖掘了深度信息，减少了时间复杂度，具有良好的分类效果，可用于SAR图像分类。

主权项

1.一种基于深度相关向量机的SAR图像分类方法，其具体步骤包括如下：(1)输入双精度类型的合成孔径雷达SAR图像的矩阵；(2)对输入的双精度类型的合成孔径雷达SAR图像的矩阵进行归一化处理；(3)训练三个受限玻耳兹曼机RBM：将归一化后的双精度类型的合成孔径雷达SAR图像矩阵，输入三层受限玻耳兹曼机RBM中进行分层训练，得到合成孔径雷达SAR图像矩阵的第三层深层特征；(4)训练RVM分类器：将合成孔径雷达SAR图像矩阵的第三层深层特征和输入的双精度类型合成孔径雷达SAR图像矩阵所对应的类标，输入到稀疏贝叶斯分类模型中，选择核函数为线性核，迭代次数为600次，根据拉普拉斯逼近方法推断模型参数，训练相关向量机RVM分类器；(5)构建深度RVM模型：将相关向量机RVM分类器级联到三层受限玻耳兹曼机RBM的第三层，得到深度相关向量机RVM模型；(6)分类：将待训练的合成孔径雷达SAR图像矩阵输入到深度相关向量机RVM模型中，得到双精度类型的合成孔径雷达SAR图像矩阵的各类分类概率；(7)计算预测类标：选取双精度类型的合成孔径雷达SAR图像矩阵的各类分类概率中的每类概率最大的类标，作为双精度类型合成孔径雷达SAR图像矩阵的预测类标；(8)得到分类正确率：用分类精度评判公式，进行计算，得到分类正确率。