[发明专利]基于全卷积GAN的半监督极化SAR地物分类方法在审
申请号: | 201810277796.3 | 申请日: | 2018-03-30 |
公开(公告)号: | CN108564115A | 公开(公告)日: | 2018-09-21 |
发明(设计)人: | 王爽;焦李成;胡月;刘梦晨;郭岩河;张丹;赵阳;孙莉 | 申请(专利权)人: | 西安电子科技大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;G06N3/08 |
代理公司: | 西安通大专利代理有限责任公司 61200 | 代理人: | 徐文权 |
地址: | 710065 陕*** | 国省代码: | 陕西;61 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提供的基于全卷积GAN的半监督极化SAR地物分类方法,实现步骤为:精致Lee滤波;输入极化SAR数据;构建生成网络G;构建判别网络D;训练网络和测试并计算分类正确率;本发明相比现有技术的基于半监督的Co‑training分类方法,提高了极化合成孔径雷达极化SAR数据的分类精度,解决了极化信息利用不充分的问题并增强了模型对输入数据的鲁棒性,能够做到端到端的分类效果。本发明可应用于极化合成孔径雷达极化SAR数据地物分类。 | ||
搜索关键词: | 极化SAR 地物分类 半监督 极化合成 孔径雷达 构建 卷积 分类 分类效果 极化信息 训练网络 鲁棒性 正确率 滤波 网络 测试 应用 | ||
【主权项】:
1.基于全卷积GAN的半监督极化SAR地物分类方法,其特征在于,包括以下步骤:步骤1),对一幅原始的极化SAR图像进行精致Lee滤波,得到滤波后待分类的极化SAR图像;步骤2),将待分类的真实极化SAR图像和其所对应的标签图作为真样本;步骤3),构建生成网络G;步骤4),构建判别网络D;步骤5),训练生成对抗网络:(5a),将一个100维的随机噪声向量z输入生成网络G,生成网络G将该噪声向量z转化成假样本;(5b),将真实极化SAR图像的每类分别随机取若干个样本点,然后在该真实极化SAR图像所对应的标签图上选取与该样本点对应的真实标签y,作为有标签样本,用作有监督学习,最后,在该真实极化SAR图像上选取若干个无标记样本点,作为无标签样本,用作无监督学习;(5c),将假样本、有标签样本和无标签样本作为判别网络D的输入,采用轮流迭代的方式训练判别网络D和生成网络G;步骤6),测试并计算分类正确率:首先,将所有有标签样本点中除用作训练的样本点外,剩余的有标签样本点及其对应的真实标签y均输入到判别网络D中,得到每一个输入样本点对应的预测标签y';然后,将该预测标签y'与真实标签y比较,计算出分类正确率。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201810277796.3/,转载请声明来源钻瓜专利网。