[发明专利]基于生成对抗网络的极化SAR图像分类方法

权利要求书

1.一种基于生成对抗网络的极化SAR图像分类方法，包括如下步骤：

(1)输入待分类的极化合成孔径雷达SAR图像的相干矩阵；

(2)滤波：

采用滤波窗口大小为7×7的李Lee滤波器，对相干矩阵进行滤波，得到去噪后的相干矩阵；

(3)生成样本集：

从去噪后的相干矩阵中提取9维特征作为一个样本，将去噪后的相干矩阵中的所有样本生成一个样本集；

(4)选取样本：

(4a)从每个地物类的样本集中，随机选取10％的样本作为有标签样本集；

(4b)将每个地物类的样本集中剩余的90％样本作为无标签样本集；

(4c)将有标签样本集和无标签样本集组成训练样本集；

(5)构造生成对抗网络：

(5a)构造一个三层全连接网络，该网络的每层节点数由输入至输出依次为10、5、9，随机初始化该网络中各节点参数，得到初始化后的生成网络；

(5b)构造一个五层全连接网络，该网络的每层节点数由输入至输出依次为9、100、50、25、K，随机初始化该网络中各节点参数，得到初始化后的对抗网络，其中，K表示待分类极化SAR图像的类别总数；

(6)训练生成网络与对抗网络：

(6a)从均匀分布函数中随机产生100个噪声，将噪声输入生成网络后的输出作为100个生成样本，从有标签样本集中随机选取100个有标签样本，从无标签样本集中随机选取100个无标签样本；

(6b)将100个生成样本，100个有标签样本和100个无标签样本输入对抗网络；

(6c)利用对抗网络损失梯度下降方法，计算当前输入300个样本后对抗网络的损失值，用损失值更新对抗网络的参数；

(6d)利用生成网络损失梯度下降方法，计算当前输入300个样本后生成网络的损失值，用损失值更新生成网络的参数；

(6e)判断更新生成网络和对抗网络参数的次数是否为200，若是，则完成生成网络与对抗网络的交叉训练，执行步骤(7)，否则，执行步骤(6a)；

(7)对样本集进行分类：

(7a)从步骤(3)生成的一个样本集任选一个样本，输入到交叉训练后的对抗网络中；

(7b)将对抗网络中最后一层所有节点的输出值，按照从大到小进行排序；

(7c)将对应排序后输出值最大节点的序号，作为节点所在样本的类别标签；

(7d)判断是否选取完样本集中所有的样本，若是，执行步骤(8)，否则，执行步骤(7a)；

(8)输出极化SAR图像样本集中所有样本的类别标签。

2.根据权利要求1所述的基于生成对抗网络的极化SAR图像分类方法，其特征在于，步骤(3)中所述在去噪后的相干矩阵中提取9维特征作为一个样本的步骤是：分别提取相干矩阵中主对角线的三个元素、主对角线的上三角三个元素的实部和虚部，将所提取的9个元素作为样本的9维特征。