[发明专利]基于深度双向LSTM孪生网络的极化SAR分类方法

摘要

本发明公开一种基于深度卷积双向LSTM孪生网络的极化SAR分类方法，主要解决现有方法中由于极化SAR数据标记样本较少造成分类精度低的问题。其实现步骤为：1)输入待分类极化SAR图像与其真实地物标记，并进行Lee滤波；2)从滤波后的数据中提取时序特征向量并划分训练集和测试集；3)对训练集中的样本两两组合得到样本对训练集；4)搭建深度卷积双向LSTM孪生网络并用训练集和样本对训练集对其进行训练；5)用训练好的网络对测试集样本进行分类，获得地物类别。本发明在孪生架构下扩充训练集、提取差异化特征，于小样本标记条件下更为合理且充分的利用空间邻域信息进行双向时序建模，使模型分类准确率大幅度提高。

主权项

1.一种基于深度卷积双向LSTM孪生网络的极化SAR分类方法，其特征在于，包括如下步骤：(1)输入待分类极化SAR图像及该极化SAR图像所对应的真实地物标签信息；(2)对待分类的极化SAR图像进行Lee滤波处理，去除相干斑噪声干扰，得到滤波后的待分类极化SAR图像数据；(3)从滤波后待分类极化SAR图像数据的极化协方差矩阵C中提取每个像素点的极化特征向量，利用空间邻域信息，得到待分类极化SAR图像数据的时序特征向量；(4)从时序特征向量的每个类别中随机选取10个样本组成训练样本集DL，其余作为测试样本集DT；(5)对训练样本集DL中的样本两两组合，得到样本对训练集DP，若样本对中的两个样本属于同一类别，则为正样本对，否则为负样本对；(6)搭建深度卷积双向LSTM孪生网络：(6a)构造权值共享的卷积双向LSTM孪生网络作为特征提取网络；(6b)在特征提取网络之上，添加多层全连接分类网络，共同组成深度卷积双向LSTM孪生网络；(7)训练深度卷积双向LSTM孪生网络：(7a)利用样本对训练集DP训练权值共享的卷积双向LSTM孪生网络，实现极化SAR数据的差异化特征提取；(7b)利用训练样本集DL训练包括全连接分类网络在内的深度卷积双向LSTM孪生网络，以实现网络的整体微调；(8)利用所训练好的深度卷积双向LSTM孪生网络对测试样本集DT的像素点进行类别预测，得到每个像素点的地物类别。