[发明专利]基于深度卷积孪生网络的小样本极化SAR地物分类方法

摘要

本发明公开一种基于深度卷积孪生网络的小样本极化SAR地物分类方法，主要解决现有方法中由于极化SAR数据标记样本较少造成分类精度低的问题。其实现步骤为：1)输入待分类极化SAR图像与其真实地物标记，并进行Lee滤波；2)从对滤波后的待分类极化SAR数据中提取输入特征向量并划分出训练样本集和测试样本集；3)对训练样本集中的样本两两组合得到样本对训练集；4)搭建深度卷积孪生网络并用训练样本集和样本对训练集对其进行训练；5)用训练好的深度卷积孪生网络对测试集样本进行分类，获得地物类别。本发明在孪生架构下扩充了训练集并提取差异化特征，使模型分类准确率更高，可用于极化SAR图像的目标分类、检测和识别。

主权项

1.一种基于深度卷积孪生网络的小样本极化SAR地物分类方法，包括：(1)输入一幅430*280大小的待分类极化SAR图像及该极化SAR图像对应的真实地物标签信息；(2)对待分类的极化SAR图像进行Lee滤波，去除相干斑噪声干扰，得到滤波后的待分类极化SAR图像数据；(3)基于待分类极化SAR图像数据的极化相干矩阵T，提取每个像素点的极化特征向量，利用空间邻域信息，得到待分类的极化SAR输入特征向量；(4)从待分类极化SAR特征向量的每个类别中随机选取10个样本组成训练样本集，其余作为测试样本集；(5)对训练样本集中的样本两两组合，得到样本对训练集，若样本对中的两个样本属于同一类别，则为正样本对，否则为负样本对；(6)搭建深度卷积孪生网络：(6a)构造权值共享的一维卷积孪生网络作为特征提取网络；(6b)在所构造的权值共享的一维卷积孪生网络之上，增加多层全连接分类网络，共同组成深度卷积孪生网络；(7)训练深度卷积孪生网络：(7a)对权值共享的一维卷积孪生网络训练，以实现极化SAR输入特征向量的差异化特征提取；(7b)对多层全连接分类网络进行训练，以实现深度卷积孪生网络的微调；(8)利用所训练好的深度卷积孪生网络对测试样本集的像素点进行类别预测，得到每个像素点的地物类别。