[发明专利]带有ASPP反卷积网络的SAR图像分类方法

摘要

本发明公开了一种带有ASPP反卷积网络的SAR图像分类方法，主要解决在对SAR图像分类过程中分类准确率不高、分类效率低、操作复杂的问题。本发明的具体步骤如下：(1)读取训练图像和测试图像；(2)生成训练集和测试集；(3)构建带有空洞空间金字塔池化ASPP的反卷积网络；(4)训练带有空洞空间金字塔池化ASPP的反卷积网络；(5)对测试图像进行分类。本发明克服了现有SAR图像分类算法中无法充分利用多尺度目标信息、无法实现端到端分类的问题，具有分类准确率高、分类快速、操作简单的优点。

主权项

1.一种带有ASPP反卷积网络的SAR图像分类方法，其特征在于，读取训练图像和测试图像，生成训练集和测试集，构建带有空洞空间金字塔池化ASPP的反卷积网络，训练带有空洞空间金字塔池化ASPP的反卷积网络，对测试图像进行分类，该方法的步骤包括如下：(1)读取训练图像和测试图像：读取两幅包含相同地物目标的SAR图像数据分别作为训练图像和测试图像，读取的任一幅SAR图像数据中包含至少三类地物目标，且训练图像任意两类地物目标中像素点数目较多的一类与像素点数目较少的一类的像素点数目比值控制在1至1.5的范围内；(2)生成训练集和测试集：(2a)构建一个大小为90×90像素的滑窗；(2b)将滑窗放在训练图像的左上角，按从左到右、从上到下的顺序依次滑动，滑动步长为10个像素，将滑动结果中与滑窗重合的训练图像区域作为一个训练图像像素块；(2c)统计每个训练图像像素块内所有像素点中每种类别的数目，将类别的数目大于等于滑窗像素点总数的0.5倍的类别作为该像素块的类别，构成一个样本；(2d)将每种类别的所有样本构成该类的训练数据集；(2e)对每类训练数据集合随机打乱顺序并随机选取相同数目的样本，组成初始训练样本集，其中每类选取的训练样本数不低于2500个；(2f)将初始训练样本集中的每个训练样本的中心像素点作为中心，顺时针旋转90度，得到第一扩充集；(2g)对初始训练样本集中的每个训练样本添加均值为0，标准差为0.1的高斯噪声，得到第二扩充集；(2h)将初始训练样本集、第一扩充集、第二扩充集组成训练集；(2i)将滑窗放在测试图像5个不同的起始位置，按从左到右、从上到下的顺序依次滑动，滑动步长为90个像素，将滑动结果中与滑窗重合的测试图像区域作为一个测试图像像素块，分别组成第一、二、三、四、五测试集；(3)构建带有空洞空间金字塔池化ASPP的反卷积网络：(3a)搭建一个反卷积网络，其结构依次为：输入层→卷积层1→池化层→嵌套式模块→拼接层1→卷积层2→上采样层→输出层；所述的嵌套式模块由第一个空洞空间金字塔池化ASPP与支路1并行组成，支路1的结构依次为卷积层3→嵌套式子模块1→拼接层2→卷积层4→反卷积层1；所述的嵌套式子模块1由第二个空洞空间金字塔池化ASPP与支路2并行组成；支路2的结构依次为卷积层5→嵌套式子模块2→拼接层3→卷积层6→反卷积层2；所述的嵌套式子模块2由第三个空洞空间金字塔池化ASPP与支路3并行组成；支路3的结构依次为卷积层7→第四个空洞空间金字塔池化ASPP→反卷积层3；(3b)设置反卷积网络的参数；(4)训练带有空洞空间金字塔池化ASPP的反卷积网络：将训练集输入到带有空洞空间金字塔池化ASPP的反卷积网络中，训练带有空洞空间金字塔池化ASPP的反卷积网络，直到网络参数收敛，得到训练好的反卷积网络；(5)对测试图像进行分类：(5a)依次分别将第一、二、三、四、五测试集输入到训练好的反卷积网络中，得到每个测试集的初始分类像素块；(5b)从所有初始分类像素块中找到每个像素点对应位置出现次数最多的标号作为该像素点的类别，得到最终分类像素块，将该最终分类像素块作为测试图像的最终分类结果。