[发明专利]基于多尺度FCN‑CRF的极化SAR目标检测方法

摘要

本发明公开了一种基于多尺度全卷积条件随机场FCN‑CRF的极化SAR目标检测方法，本发明的实现步骤为(1)将极化SAR图像进行Lee滤波；2)构成基于像素点的特征矩阵；(3)特征矩阵归一化；(4)构造数据集；(5)构造多尺度检测模型；(6)训练多尺度检测模型；(7)获得最终检测结果。本发明克服了现有技术中对未考虑极化SAR的多尺度特征而导致的图像信息利用不充分的问题，保证了目标检测的准确性和极化散射特性的完整性。本发明可应用于对极化SAR图像的不同区域准确地进行目标检测和识别。

主权项

一种基于多尺度全卷积条件随机场FCN‑CRF的极化SAR目标检测方法，其特征在于，包括如下步骤：(1)将极化SAR图像进行Lee滤波：对输入的待检测的极化SAR图像的极化相干矩阵，进行滤除相干噪声的精致极化Lee滤波，得到滤波后的相干矩阵，其中，滤波后的相干矩阵中每个元素是一个3×3矩阵，相当于每个像素点有9维特征；(2)构成基于像素点的特征矩阵：(2a)对滤波后的相干矩阵进行四分量分解Yamaguchi，得到奇次散射、偶次散射、体散射以及螺旋散射共四个散射功率；(2b)利用四个散射功率，构成基于像素点的特征矩阵；(3)特征矩阵归一化：将基于像素点的特征矩阵中的元素值归一化到[0，255]之间，得到归一化后的特征矩阵；(4)构造数据集：(4a)用切割间隔为20、大小为128×128的矩阵窗口，对归一化后的特征矩阵进行切块，得到切割后所有的基于像素的特征矩阵块；(4b)随机选取5％的特征矩阵块，组成训练数据集，将其余的特征矩阵块组成测试数据集；(5)构造多尺度检测模型：(5a)构造一个含有19层的全卷积条件随机场FCN‑CRF的检测模型；(5b)用曲波变换中的多尺度滤波器替换含有19层的全卷积条件随机场FCN‑CRF的检测模型中的第一个卷积层，得到多尺度检测模型；(6)训练多尺度检测模型：将训练数据集输入到多尺度检测模型中，对该模型进行训练，得到训练好的多尺度检测模型；(7)获得检测结果：将测试数据集输入到训练好的多尺度检测模型中，得到测试数据集中每个像素的检测结果。