The invention provides a polarimetric SAR ground object classification method based on convolutional neural network. The technical scheme is: the calculation of the phase polarization of each pixel in the SAR image corresponding to the two rotating field zero angle characteristics and four traditional rotation invariant features, with the above six parameters as the classification feature set, forming a multilayer feature map and multilayer feature graph normalized based on slicing to form the input to the new building the high performance of CNN classifier, trained the corresponding processing, in order to achieve the classification of different classes of pixels in polarimetric SAR images using the trained model. The invention has the advantages of simple implementation, high calculation efficiency and good classification effect.
【技术实现步骤摘要】
基于卷积神经网络的极化SAR地物分类方法
本专利技术属于极化SAR(SyntheticApertureRadar,合成孔径雷达)成像遥感
,涉及一种基于卷积神经网络的极化SAR地物分类方法。
技术介绍
极化SAR具有全天时和几乎全天候的工作能力,能够通过收发极化状态正交的电磁波以获取目标的全极化散射信息,已成为当今微波遥感的主流之一。地物分类是农作物生长监控、农村与城市用地普查、环境监测等应用领域的共性基础问题,也是极化SAR图像理解与解译的重要应用方向。高精度的地物分类结果能够为上述应用领域提供可靠的信息支撑。极化SAR地物分类的目的是针对机载或星载极化SAR传感器所获得的极化测量数据确定其中每个像素点所属的地物类别。通常,提高极化SAR地物分类精度主要有两种途径:第一种途径专注于极化特征的提取与优选,通过精细化的极化散射机理建模与解译,从全极化信息中提取出对不同地物类别具有更强区分度的特征。第二种途径则是从分类器入手,使用性能更好的分类器,以实现对现有极化特征的充分利用。针对第一种途径,专利技术人所在课题组之前申请的专利“一种结合旋转域极化零角特征的极化SAR地物分类方法”(申请号201710088598.8)通过在绕极化SAR视线旋转域中对目标隐含极化信息的深入挖掘,进而将所得旋转域零角特征与传统的旋转不变特征联合应用于极化SAR地物分类,结合SVM(SupportVectorMachine,支持向量机)分类器在不同的极化SAR实测数据上均取得较好分类效果,这也证实了旋转域零角特征在极化SAR地物分类领域的较大潜力。然而,该方法在训练样本数量较 ...
【技术保护点】
一种基于卷积神经网络的极化SAR地物分类方法,SAR是指合成孔径雷达,具体包括下述步骤:设极化SAR图像中,位置坐标为(i,j)的像素点的极化相干矩阵为T
【技术特征摘要】
1.一种基于卷积神经网络的极化SAR地物分类方法,SAR是指合成孔径雷达,具体包括下述步骤:设极化SAR图像中,位置坐标为(i,j)的像素点的极化相干矩阵为T(ij),i=1,2,…,I且j=1,2,…,J,极化SAR图像的大小为I×J;对于任意一个极化相干矩阵T(ij),进行下面第一步至第三步的处理,从而提取得到归一化多层特征图:第一步,相干斑滤波;对各像素点所对应的极化相干矩阵分别进行相干斑滤波,得到相干斑滤波后极化SAR图像中每个像素点的极化相干矩阵,记为第二步,极化特征提取;提取相应极化特征的具体过程如下:①旋转域零角特征的提取:利用下面两式分别计算两个旋转域零角特征和其中,Angle{·}表示取复数的相位,相应取值范围为[-π,π];Re[·]和Im[·]则分别表示取复数的实部以及虚部;②旋转不变特征的提取:利用Cloude-Pottier极化目标分解方法,对于每个计算提取得到相应的极化熵H(ij)、极化平均角α(ij)和极化反熵A(ij)三个旋转不变特征;同时利用下式计算总散射能量第三步,特征归一化;设极化SAR图像中,位置坐标为(i,j)的像素点所用于地物分类的特征参数集为i=1,2,…,I且j=1,2,…,J;v=1,2,…,6,且具体有:
【专利技术属性】
技术研发人员:陈思伟,陶臣嵩,李永祯,王雪松,肖顺平,
申请(专利权)人:中国人民解放军国防科学技术大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。