[发明专利]基于分层语义的SAR图像分类方法

摘要

一种基于分层语义的SAR图像分类方法，包括进行多尺度分割，得到不同精度的分割图；构建区域金字塔，将不同精度的分割图组合生成区域金字塔；CRF空间关联建模，包括对于区域金字塔，利用CRF建立该金字塔的每一层中区域间的空间关系；BN因果性建模，包括将区域金字塔相邻层间的因果联系通过BN进行建模，将区域金字塔层内的因果性通过BN进行建模，形成语义金字塔；统一推理，包括将联合概率表示为统一的因子图，将图像分类过程等价于推理最优状态，将推理结果作为图像分类结果。本发明联合BN和CRF建模SAR图像分类中的先验知识，其中BN构建因果关联，而CRF建模空间关系，实现分层语义分类，提高SAR图像分类性能。

主权项

1.一种基于分层语义的SAR图像分类方法，其特征在于：包括以下步骤，步骤1，进行多尺度分割，得到不同精度的分割图；步骤2，构建区域金字塔，包括将步骤1中生成的不同精度的分割图组合生成区域金字塔，其中从顶层到低层依次对应从粗到精细的分割图；步骤3，CRF空间关联建模，包括对于步骤2中建立的区域金字塔，利用CRF建立该金字塔的每一层中区域间的空间关系；所述CRF为条件随机场；步骤4，BN因果性建模，包括将区域金字塔相邻层间的因果联系通过BN进行建模，将区域金字塔层内的因果性通过BN进行建模，形成语义金字塔；所述BN为贝叶斯网络；所述区域金字塔相邻层间的因果联系，是指金字塔下层子区域基于其上层父母区域的分类条件概率，该分类条件概率通过步骤3中CRF的分类结果统计获得；所述区域金字塔层内的因果性，是指指区域、边界和顶点间的因果关系；其中，边界由两个具有不同类别的区域相交形成，而顶点由边界相交产生；步骤5，统一推理，包括联合步骤3和4所得结果，将联合概率表示为统一的因子图，将图像分类过程等价于推理最优状态，将推理结果作为图像分类结果。