[发明专利]一种基于卷积神经网络的Sentinel-1雷达图像分类方法

说明书

本发明公开了一种基于卷积神经网络的Sentinel‑1雷达图像分类方法，包括包括以下步骤：步骤A、图像输入之后，对图像进行预处理，其中，图像预处理包括ROI剪裁、归一化处理、CFAR算法处理和RGB图形分析；步骤B、对预处理的图像进行训练，选取一组函数f1、f2...fn，对数据进行训练，选取最佳函数f；步骤C、对步骤B选取的最佳函数f进行测试，从而对采集的图像进行分类。本发明提出适用于数据集的图像预处理方法，利用CFAR方法对图像进行特征提取，并进行了孤立点移除及孔洞填充；构建了采用多通道输入模式的4层的卷积神经网络模型；用卷积神经网络CNN训练数据集时，通过正则化及数据增强去避免过拟合，得到了测试精度91％的良好分类效果。

技术领域

本发明涉及一种雷达图像分类方法，具体为一种基于卷积神经网络的Sentinel-1雷达图像分类方法，属于雷达图像分类应用技术领域。

背景技术

在一种基于自动截尾的自适应快速CFAR算法在高分辨率SAR图像目标检测中的应用中提出一种自适应的CFAR检测算法，构建了相应的聚类统计模型，实现了SAR雷达图像目标的快速提取。在基于TelasAR-X影像的冰山自动探测和冰凌分类导航中将TerraSAR-X在HH极化图像上进行海冰与冰山的监测，对文本特征进行提取后，将其作为神经网络的输入，然后使用迭代的CFAR算法对图像进行检测，找到冰山及海冰区域，增强了图像的解译效果。在基于对象的SAR图像冰山探测算法在Amundsen海域的应用文献提出了一种区别冰山和零散的海冰的方法，该方法基于雷达图像的光谱亮度进行分类，在气候恶劣(如冰冻及强风)的情况下，能得到较好的分类效果，为保证船舶航线的安全，冰山与船只的监测一直是科学研究的热点之一，著名的泰坦尼克号就是因为撞上冰山而船毁人亡的，随着科技发展进步，现在我们可以通过卫星图像对冰山和船只加以区别，从而避免这一悲剧的发生。

目前国内外许多研究聚焦在TerraSAR-X波段上对冰山的分类，而对sentinel-1C波段的雷达图像分类研究较少，而且传统的雷达图像经常出现孔洞和孤立点，容易影响图像处理的精度和效果，因此，针对上述问题提出一种基于卷积神经网络的Sentinel-1雷达图像分类方法。

发明内容

本发明的目的就在于为了解决上述问题而提供一种基于卷积神经网络的Sentinel-1雷达图像分类方法。

本发明通过以下技术方案来实现上述目的，一种基于卷积神经网络的Sentinel-1雷达图像分类方法，包括以下步骤：

步骤A、图像输入之后，对图像进行预处理，其中，图像预处理包括ROI剪裁、归一化处理、CFAR算法处理和RGB图形分析；

步骤B、对预处理的图像进行训练，选取一组函数f1、f2...fn，对数据进行训练，选取最佳函数f；

步骤C、对步骤B选取的最佳函数f进行测试，从而对采集的图像进行分类。

优选的，所述步骤A中的ROI剪裁时，将雷达采集到的卫星图像通过剪裁的方式剪为75*75大小的ROI图像，卫星图像经裁剪后，生成1604幅HH及HV波段的ROI图像数据集。

优选的，所述步骤A中的CFAR算法，确定三个窗口的大小及位置,分别是:the boxCFAR window,the cell under test及guard window，the box CFAR window为进行统计计算的范围，设置the box CFAR window与ROI后的图像一样大小，大小为75*75；cell undertest设置在图像的中心位置，一个75*75的中心点，按像素坐标从0开始编号应为(75-1)/2，中心点的坐标为(37，37)，guard window根据目标的大致大小，设定为21*21像素；

阈值的确定使用累计分布函数，通过公式来确定阈值；

threshold＝Φ^-1(1-P_fa) (1)