[发明专利]基于全卷积GAN的半监督极化SAR地物分类方法

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。

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。