[发明专利]基于多尺度卷积与特征融合的高分辨SAR地物分类方法

摘要

本发明公开了一种基于多尺度卷积与特征融合的高分辨SAR地物分类方法主要解决现有技术分类精度较低及易出现过拟合的问题。实现方案是：1.提取待分类图像的纹理特征和小波特征；2.对待分类图像、纹理特征和小波特征进行融合，组成融合特征矩阵；3.根据融合特征矩阵构建训练数据集和测试数据集；4.对现有的CNN网络添加多尺度卷积层和shuffle层，并将全连接层改为卷积层，构建多尺度卷积融合网络；5.用训练数据集训练多尺度卷积融合网络得到模型参数；6.用模型参数初始化多尺度融合网络对测试集进行分类。本发明提高减少了网络的参数，缓解了小样本问题的过拟合现象，提高了分类精度，可用于高分辨SAR图像地物分类。

主权项

基于多尺度卷积与特征融合的高分辨SAR地物分类方法，其特征在于，包括：(1)对待分类的图像F采用灰度共生矩阵提取图像纹理特征，得到纹理特征矩阵F₁；(2)对待分类的图像F采用gabor滤波器提取小波特征，得到小波特征矩阵F₂；(3)将待分类的图像F、纹理特征矩阵F₁和小波特征矩阵F₂三者进行融合，得到融合特征矩阵F₃；(4)在融合特征矩阵F₃上以每个像素点为中心选取n×n的像素块，并将5％的像素块作为训练样本，剩余的像素块作为测试样本，n为大于或等于15的正整数；(5)构建9层的多尺度卷积融合网络，其自下而上依次包括：输入层，用于输入训练样本和测试样本；多尺度卷积层，它包含3×3、5×5和7×7三个尺度，用于提取输入样本的多尺度特征信息；Concat层，用于级联不同尺度的特征；特征融合Shuffle层，用于充分打乱和融合多尺度信息；第一池化层，用于对上一层特征图进行下采样；第一卷积层，用于对上一层特征图提取单尺度特征；第二池化层，用于对上一层特征图进行下采样第二卷积层，用于对上一层特征图提取单尺度特征；softmax分类器，用于对上一层特征进行类别输出；所采用的激活函数均为Relu激活函数；(6)通过反向传播算法对多尺度卷积融合网络进行训练，得到训练好的模型；(7)通过训练好的模型对测试集进行分类，得到分类结果。