[发明专利]基于多尺度模糊测度与半监督学习的SAR图像识别方法

摘要

本发明公开了一种基于多尺度模糊测度与半监督学习的SAR图像识别方法，解决了现有技术SAR图像识别精度低的问题。其实现步骤为通过切分原始SAR图像建立图像库，并从中挑选目标单一的图像块；提取图库内图像块的特征向量；将挑出的图像块分成若干类，并用对应的特征向量作为训练样本，训练半监督分类器，用此分类器对图像库分类；对用户输入的查询图像块，用已训练的分类器得到类别；根据混淆矩阵求取该图像块的类别集合，计算查询图像块与图像库中属于该集合的图像块之间的多尺度区域模糊相似度，并依照从大到小的顺序返回用户需要数量的图像块。本发明能纠正分类错误，信息识别精度高，可用于对多幅SAR图像同时进行解译。

主权项

一种基于多尺度模糊测度与半监督学习的SAR图像识别方法，包括如下步骤：1)对原始SAR图像进行无重叠切分，以建立SAR图像库{p1,p2,…pθ,…,pN}，从该图像库中按照目标单一原则挑选图像块{p1,p2,…pθ,…,pι}，其中ι＜＜N,1≤τ≤N,1≤θ≤ι，N表示图库中的SAR图像块个数，ι表示挑选出的SAR图像块个数，pτ表示图库中的某幅SAR图像块，pθ表示挑选出的某幅SAR图像块，所述目标单一原则是指图像块中某目标占图像总面积的一半以上；2)提取所有图像块的平稳小波三层变换的子带能量，作为图像块的特征向量其中，3)将挑选出的SAR图像块{p1,p2,…pθ,…,pι}按照语义内容分成{ci,1≤i≤k}类，其中k表示语义类别的个数，并用对应的特征向量作为训练样本，训练高斯随机场半监督分类器，利用该分类器对SAR图像库{p1,p2,…pτ,…,pN}进行分类，得到具有类标的SAR图像库；4)对用户输入的查询图像块p'，采用与步骤2)相同的方法提取其特征向量f'，并用与步骤3)相同的训练样本及训练好的高斯随机场半监督分类器，得到查询图像块的类标ci；5)根据步骤4)得到的类标ci及经验混淆矩阵，计算查询图像块的类别集合{c}：5a)在已分类的SAR图像库中，随机挑选训练样本训练高斯随机场半监督分类器，用该分类器进行100次随机分类试验，得到经验混淆矩阵Con∈Rk×k，该混淆矩阵Con是方阵，其中第i行第j列元素Con(i,j)表示属于ci类的样本被分为cj类的个数，1≤i≤k，1≤j≤k；5b)对经验混淆矩阵进行列归一化，即将一列中的每个元素除以该列元素的总和，得到经验的后验概率矩阵ConP∈Rk×k；5c)设置阈值T，将后验概率矩阵中的第i行第j列ConP(i,j)与阈值T进行比较，当ConP(i,j)≤T时，将ConP(i,j)设置为0，反之ConP(i,j)保持不变，阈值T的大小根据期望的每一列的非零元素个数设定；5d)根据查询图像块的类标ci，在后验概率矩阵ConP中的第i列中查找非零元素的位置，最终得到类别集合{c}；6)计算查询图像块p'与图库中属于类别集合{c}中所有图像块的多尺度区域模糊相似度：6a)选取尺度集合s＝{ss1,…,ssa,…ssn}，其中sn表示尺度个数，ssa表示某一尺度值，s1≤sa≤sn；6b)对于图像块p与查询图像块p'，分别以ssa×ssa区域大小为单位，计算离散小波一层变 换的高频子带能量和灰度特征并用作为分割特征，利用自适应的k‑means算法进行聚类，得到ssa尺度下图像块p纹理区域集及查询图像块p'的纹理区域集其中，分别表示图像块p与查询图像块p'在ssa尺度下利用纹理特征分割后的各区域，1≤h≤m，1≤o≤n，m表示图像块p的纹理区域的个数，n表示查询图像块p'的纹理区域的个数；6c)计算图像块p在ssa尺度下各纹理区域的模糊平均距离并计算查询图像块p'在ssa尺度下各纹理区域的模糊平均距离根据得到的纹理区域模糊平均距离和计算图像块p各纹理区域与查询图像块p'各纹理区域在ssa尺度下的纹理模糊相似度6d)对于图像块p与查询图像块p'，利用ssa尺度的Prewitt算子及二值分割法得到ssa尺度下图像块p的边缘区域集及查询图像块p'的边缘区域集分别表示图像块p与查询图像块p'在ssa尺度下利用边缘特征分割后的各区域，其中，v＝{1,2}，z＝{1,2}；6e)计算图像块p在ssa尺度下各边缘区域模糊平均距离并计算查询图像块p'在ssa尺度下各边缘区域的模糊平均距离根据得到的边缘区域模糊平均距离和计算图像块p各边缘区域与查询图像块p'各边缘区域在ssa尺度下的边缘模糊相似度6f)根据6c)和6e)得到的ssa尺度纹理模糊相似度和ssa尺度边缘模糊相似度计算图像块p与查询图像块p'在ssa尺度下的模糊相似度ufmsa；6g)按步骤6b)至6f)的方法，计算出图像块p与查询图像块p'所有尺度下的模糊相似度ufm＝{ufms1,…,ufmsa,…,ufmsn}；6h)根据6g)得到的所有尺度下的模糊相似度ufm，计算查询图像块p'与图像块p的多尺度区域模糊相似度msufm：其中，表示尺度模糊相似度的权值，并且6l)重复步骤6a)至6h)，计算出查询图像块p'与图库中属于类别集合{c}中所有图像块的多 尺度区域模糊相似度；7)按照步骤6)得到的多尺度区域模糊相似度，以从大到小的顺序返回用户需要数量的图像，完成图像识别。