[发明专利]基于生成对抗网络的极化SAR图像分类方法

摘要

本发明公开了一种基于生成对抗网络的极化SAR图像分类方法，主要解决现有技术中极化SAR图像特征选取不合理导致分类精度不高的问题，充分利用无标签和有标签样本，无需设计复杂的代价函数。本发明的具体实现步骤如下：(1)输入待分类的极化合成孔径雷达SAR图像的相干矩阵；(2)滤波；(3)生成样本集；(4)选取样本；(5)构造生成对抗网络；(6)训练生成网络与对抗网络；(7)对样本集进行分类；(8)输出极化SAR图像样本集中所有样本的类别标签。本发明具有对极化SAR图像分类效果显著的优点，可进一步用于极化SAR图像目标检测和目标识别。

主权项

1.一种基于生成对抗网络的极化SAR图像分类方法，包括如下步骤：(1)输入待分类的极化合成孔径雷达SAR图像的相干矩阵；(2)滤波：采用滤波窗口大小为7×7的李Lee滤波器，对相干矩阵进行滤波，得到去噪后的相干矩阵；(3)生成样本集：从去噪后的相干矩阵中提取9维特征作为一个样本，将去噪后的相干矩阵中的所有样本生成一个样本集；(4)选取样本：(4a)从每个地物类的样本集中，随机选取10％的样本作为有标签样本集；(4b)将每个地物类的样本集中剩余的90％样本作为无标签样本集；(4c)将有标签样本集和无标签样本集组成训练样本集；(5)构造生成对抗网络：(5a)构造一个三层全连接网络，该网络的每层节点数由输入至输出依次为10、5、9，随机初始化该网络中各节点参数，得到初始化后的生成网络；(5b)构造一个五层全连接网络，该网络的每层节点数由输入至输出依次为9、100、50、25、K，随机初始化该网络中各节点参数，得到初始化后的对抗网络，其中，K表示待分类极化SAR图像的类别总数；(6)训练生成网络与对抗网络：(6a)从均匀分布函数中随机产生100个噪声，将噪声输入生成网络后的输出作为100个生成样本，从有标签样本集中随机选取100个有标签样本，从无标签样本集中随机选取100个无标签样本；(6b)将100个生成样本，100个有标签样本和100个无标签样本输入对抗网络；(6c)利用对抗网络损失梯度下降方法，计算当前输入300个样本后对抗网络的损失值，用损失值更新对抗网络的参数；(6d)利用生成网络损失梯度下降方法，计算当前输入300个样本后生成网络的损失值，用损失值更新生成网络的参数；(6e)判断更新生成网络和对抗网络参数的次数是否为200，若是，则完成生成网络与对抗网络的交叉训练，执行步骤(7)，否则，执行步骤(6a)；(7)对样本集进行分类：(7a)从步骤(3)生成的一个样本集任选一个样本，输入到交叉训练后的对抗网络中；(7b)将对抗网络中最后一层所有节点的输出值，按照从大到小进行排序；(7c)将对应排序后输出值最大节点的序号，作为节点所在样本的类别标签；(7d)判断是否选取完样本集中所有的样本，若是，执行步骤(8)，否则，执行步骤(7a)；(8)输出极化SAR图像样本集中所有样本的类别标签。