[发明专利]基于散射能量和堆栈自编码的极化SAR图像分类方法

说明书

本发明公开了一种基于散射能量和堆栈自编码的极化SAR图像分类方法，主要解决现有技术中极化合成孔径雷达SAR图像特征的提取数据无关性和冗余性的影响而导致分类过程复杂，和无法提取极化SAR图像空间特征而导致分类精度不高的问题。本发明的具体实现步骤如下：(1)输入待分类的极化合成孔径雷达SAR图像的相干矩阵；(2)对极化SAR相干矩阵进行补偿；(3)获取散射模型的散射能量；(4)获取样本；(5)训练堆栈自编码；(6)堆栈自编码分类；(7)输出分类结果。本发明具有对极化合成孔径雷达SAR图像分类效果显著的优点。

技术领域

本发明属于图像处理技术领域，更进一步涉及目标识别领域中基于散射能量和堆栈自编码的极化合成孔径雷达(Synthetic Aperture Radar SAR)图像分类方法。本发明可用于对极化合成孔径雷达SAR图像的地物分类和目标识别。

背景技术

相比于传统的合成孔径雷达，极化合成孔径雷达SAR利用多个通道的散射信息，可以获得对目标更加全面的认识。极化合成孔径雷达SAR图像分类是极化合成孔径雷达SAR图像解译的重要研究内容，分类图既可作为中间结果为边缘提取、目标检测、识别等提供辅助信息，也可作为最终结果直接输出给用户。它在民用和军用领域均有着巨大的应用价值和理论意义。

近年来，很多极化合成孔径雷达SAR图像分类的方法被提取出来，这些方法的基本原理都是利用极化信息，从极化散射矩阵中提取一些与散射机理密切相关的参数，利用这些参数本身，再结合一些其他的方法，对极化合成孔径雷达SAR图像场景中的地物目标进行分类。经典的极化合成孔径雷达SAR图像分类方法包括：

电子科技大学在其专利申请“一种基于子孔径分析的极化合成孔径雷达图像分类方法”(专利申请号：200910058210.5，公开号：CN101464956A)中提出了一种基于子孔径分析的极化合成孔径雷达SAR图像分类方法。这种方法首先采用H/ɑ平面对全分辨率极化合成孔径雷达SAR图像进行初始分类，再对其进行子孔径分解，然后根据初始分类计算初始类别中心，最后计算所有子孔径图像中每一个像素点与各类别中心的距离测度，将像素点归类于距离测度最小的那一类。该方法虽然综合了目标在不同视角下的散射特性，以及散射特性的变化，但是仍然存在的不足是，该方法对待分类的极化合成孔径雷达SAR图像信息的丰富性要求高，待处理的高维数据具有无关性和冗余性，计算量大，实现过程复杂。

西安电子科技大学在其专利申请“基于深度神经网络的极化SAR图像分类方法”(专利申请号：201410319969.5，公开号：CN104077599A)中提出了一种基于深度神经网络的极化合成孔径雷达SAR图像分类方法。该方法首先对极化合成孔径雷达SAR图像进行Pauli分解得到极化合成孔径雷达SAR数据的功率图，对功率图进行预分割，得到若干小块，从极化合成孔径雷达SAR图像中选取训练样本集和测试样本集，使用训练样本集对深度神经网络进行训练，然后利用训练好的深度神经网络对测试样本集进行分类，在预分割小块中，将分类标签与功率图的通道信息结合，得到小块的标签，最终得到分类结果。该方法虽然结合了功率图像的纹理特性，但是仍然存在的不足是使用深度神经网络对极化合成孔径雷达SAR图像进行特征提取时，未能引入空间邻域特征，导致特征提取不合理，影响极化合成孔径雷达SAR图像的分类精度。

发明内容

本发明的目的是克服上述现有技术的不足，提供一种基于散射能量和堆栈自编码极化SAR图像分类方法。本发明与现有技术中其他极化合成孔径雷达SAR图像分类技术相比计算量小，分类精度和分类效率高。