[发明专利]一种基于特征mixup的半监督极化SAR地物分类方法

权利要求书

1.一种基于特征mixup的半监督极化SAR地物分类方法，其特征在于，包括以下步骤：

S1、使用FlevolandI数据集、San Francisco数据集和FlevolandII数据集，每个数据集上，每个类别随机选择10个有标记的样本和若干无标记样本作为训练集，其他样本作为测试集；

S2、选取像素点周围大小为5×5的图像块作为一个样本，图像块的类别和中心像素点的类别一致，制作数据集；

S3、将极化SAR数据进行lee滤波，完成数据预处理；

S4、建立半监督网络结构，半监督网络结构的第一部分负责提取输入图像的初级特征；第二部分将mixup操作融合后的初级特征映射为抽象的高级特征；第三部分是分类器；

S5、利用两个分支提取不同类别图像的特征，两个分支权重共享；

S6、对步骤S5中提取到的初级特征进行mixup操作；

S7、对步骤S6中得到的混合特征进一步抽象之后，将其送入多分支预测模块，得到最终的预测类别；

S8、基于步骤S7获得的预测类别，计算交叉熵损失和一致性损失，利用两个损失联合优化整个网络；

S9、将步骤S8训练得到的权重载入网络，得到每一个测试样本的中心像素点所属地物类别，完成分类。

2.根据权利要求1所述的基于特征mixup的半监督极化SAR地物分类方法，其特征在于，步骤S2中，每个数据集中每个类别选取10个有标记数据以及无标记数据作为训练集，其中，FlevolandI数据集每个类选取2000个无标记样本，每个类选择3000个有标记样本进行测试；San Francisco数据集每个类选取10000个无标记样本，每个类选择10000个有标记样本进行测试；FlevolandII数据集每个类选取5000个无标记样本，每个类选择15000个样本进行测试。

3.根据权利要求1所述的基于特征mixup的半监督极化SAR地物分类方法，其特征在于，步骤S4中，基于特征mixup多分支预测网络结构的输入端有两个相同的分支，两个分支共享参数；每个分支的输入是一个5×5的图像块，对它的输出进行mixup操作；而后经过进一步的特征提取，将得到特征输入到多分支预测模块，每个分支输出的是一个预测的地物类别。

4.根据权利要求1所述的基于特征mixup的半监督极化SAR地物分类方法，其特征在于，步骤S6中，特征mixup之后得到的混合特征mixup(x_i,x_j)和混合地物标签具体为：

mixup(f₁(x_i),f₂(x_j))＝λf₁(x_i)+(1-λ)f₂(x_j)

其中，x_i、x_j表示第i个输入图像、第j个输入图像，y_i、y_j表示对应的one-hot地物标签，f₁、f₂表示输入端的双分支的特征提取器，λ＝max(μ,1-μ)，μ服从beta分布，μ～Beta(α，α),α∈(0,∞)。

5.根据权利要求4所述的基于特征mixup的半监督极化SAR地物分类方法，其特征在于，mixup中的超参数μ控制两个样本之间的插值长度，设置α等于0.75，λ的值取为0.9。