[发明专利]一种基于强化学习的极化SAR影像分类方法

权利要求书

1.一种基于强化学习的极化SAR影像分类方法，其特征在于，包括如下步骤：

步骤1，构建样本数据集；

步骤2，基于强化学习的FCN网络模型训练；

步骤2.1，初始化模型参数；

步骤2.2，构建Actor-critic模型训练机制；

步骤2.2.1，构建Actor模块，包括以下几个步骤：

步骤2.2.1.1，以批次的形式随机输入样本集中选取的样本；

步骤2.2.1.2，根据现有的模块参数θ_a，利用FCN网络计算该样本属于所有候选标签类别的Q值及概率P_π(a|s)，并输出预测结果，其中π为模型现行分类策略，对于Actor模块生成的预测结果，Actor-critic模型根据对比样本标签真值，返回奖励值r，若分类正确，r＝1，反之r＝-1；

步骤2.2.1.3，保存经验数据(s,a,q,r)至记忆池中，其中s为样本特征，a表示预测结果，q是当前模型参数计算下的Q(s,a)值，r是奖励值；

步骤2.2.2，构建Critic模块，包括以下几个步骤：

步骤2.2.2.1，从记忆池中抽取经验数据(s,a,q,r)；

步骤2.2.2.2，根据现有模块参数θ_c，利用FCN网络计算新的Q值Q(s,a；θ_c)；

步骤2.2.2.3，对比Q(s,a；θ_c)与经验数据中的q值的差异，计算损失值并更新Critic模块参数θ_c、Actor模块参数θ_a；

步骤2.3，采用Actor-critic机制训练FCN模型；

采用Actor-critic机制训练FCN模型包括Q值的更新、基于Q值的分类结果预测和交叉熵损失值的计算，其中Q值的更新通过FCN拟合实现，完成从样本特征s到Q(s,a)的映射，Q值的计算方式如下：

Q_π(s,a)＝α×r+(1-α)Q_π(s′,a′)           (1)

式中，α为本次迭代的折扣奖励率，r是本次迭代的奖励值，π是模型现行分类策略，Q_π(s′,a′)为下一次学习行为的Q值；在单时相极化SAR影像的分类任务中，由于学习目标是对每一个样本点生成唯一正确的分类结果，下一次的学习对象(s′,a′)实际上就是本次的学习对象(s,a)；

步骤3，利用训练好的FCN模型进行极化SAR影像分类。

2.如权利要求1所述的一种基于强化学习的极化SAR影像分类方法，其特征在于：所述步骤1构建样本数据集包括以下几个子步骤：

步骤1.1，提取极化特征参数；

步骤1.2，归一化极化特征参数；

步骤1.3，构建极化-空间联合样本集。

3.如权利要求2所述的一种基于强化学习的极化SAR影像分类方法，其特征在于：所述步骤1.1中提取极化特征参数是先将获取的极化SAR影像进行辐射定标、滤波以提升影像质量，然后对预处理后的极化SAR影像进行极化分解得到极化特征参数信息。

4.如权利要求2所述的一种基于强化学习的极化SAR影像分类方法，其特征在于：所述步骤1.2中归一化极化特征参数是先对极化特征影像进行2％的线性拉伸，将数据分布区间归一化为0～1，然后对拉伸后的特征参数依次开方，增加不同地物的对比度。

5.如权利要求2所述的一种基于强化学习的极化SAR影像分类方法，其特征在于：所述步骤1.3是采用3D卷积核直接提取每个样本像素的空间域特征和极化域特征，从三维尺度上构建样本的极化-空间特征表达空间，在保持样本空间邻域空间信息的基础上，充分利用极化SAR丰富的极化特征信息，提高特征利用率。