【技术实现步骤摘要】
基于多尺度卷积与特征融合的高分辨SAR地物分类方法
本专利技术属于图像处理
,特别是一种高分辨SAR地物分类方法,可应用于图像解译,目标识别和目标跟踪等领域。
技术介绍
SAR雷达卫星是载有合成孔径雷达SAR的对地观测遥感卫星的统称。SAR的全天候、全天时及能穿透一些地物的成像特点,显示出它与光学遥感器相比的优越性。雷达遥感数据也在多学科领域中得到了广泛的应用,可应用于军事,农业,导航,地理监视等诸多领域。SAR图像是对雷达波散射特性的一种表征,是地物目标对它的一种反映,图像中存在的斑点噪声表现为在均匀的表面上,像素点呈现出或暗点或亮点,是一种表示灰度像素值出现了急剧变化的现象。这种现象降低了图像的空间分辨率,模糊了图像的边缘信息,使得解译图像的准确率降低。SAR图像的灰度值具有两种基本特点:第一是相似性,表示依据事先制定好的标准将图像分割成若干个相似区域;第二是不连续性,因为图像的灰度值是在变化,所以具有不连续性,可以利用这种特性来进行图像分割。SAR图像分类方法,包括基于非深度学习的方法和基于深度学习的方法两大类。其中:基于非深度学习的方法,如Aytekin等人2013年在IEEETRANS-ACTIONSONGEOSCIENCEANDREMOTESENSING,VOL.51,NO.4上发表的“LocalPrimitivePatternfortheClassificationofSARImages”中提出的LPP算法,其结合图像空间信息和结构信息,首先对图像的每个像素使用局部原始模式LPP方法获取只与该像素相关的邻域信息作为特征,然后将该特征作为 ...
【技术保护点】
基于多尺度卷积与特征融合的高分辨SAR地物分类方法,其特征在于,包括:(1)对待分类的图像F采用灰度共生矩阵提取图像纹理特征,得到纹理特征矩阵F1;(2)对待分类的图像F采用gabor滤波器提取小波特征,得到小波特征矩阵F2;(3)将待分类的图像F、纹理特征矩阵F1和小波特征矩阵F2三者进行融合,得到融合特征矩阵F3;(4)在融合特征矩阵F3上以每个像素点为中心选取n×n的像素块,并将5%的像素块作为训练样本,剩余的像素块作为测试样本,n为大于或等于15的正整数;(5)构建9层的多尺度卷积融合网络,其自下而上依次包括:输入层,用于输入训练样本和测试样本;多尺度卷积层,它包含3×3、5×5和7×7三个尺度,用于提取输入样本的多尺度特征信息;Concat层,用于级联不同尺度的特征;特征融合Shuffle层,用于充分打乱和融合多尺度信息;第一池化层,用于对上一层特征图进行下采样;第一卷积层,用于对上一层特征图提取单尺度特征;第二池化层,用于对上一层特征图进行下采样第二卷积层,用于对上一层特征图提取单尺度特征;softmax分类器,用于对上一层特征进行类别输出;所采用的激活函数均为Relu激活 ...
【技术特征摘要】
1.基于多尺度卷积与特征融合的高分辨SAR地物分类方法,其特征在于,包括:(1)对待分类的图像F采用灰度共生矩阵提取图像纹理特征,得到纹理特征矩阵F1;(2)对待分类的图像F采用gabor滤波器提取小波特征,得到小波特征矩阵F2;(3)将待分类的图像F、纹理特征矩阵F1和小波特征矩阵F2三者进行融合,得到融合特征矩阵F3;(4)在融合特征矩阵F3上以每个像素点为中心选取n×n的像素块,并将5%的像素块作为训练样本,剩余的像素块作为测试样本,n为大于或等于15的正整数;(5)构建9层的多尺度卷积融合网络,其自下而上依次包括:输入层,用于输入训练样本和测试样本;多尺度卷积层,它包含3×3、5×5和7×7三个尺度,用于提取输入样本的多尺度特征信息;Concat层,用于级联不同尺度的特征;特征融合Shuffle层,用于充分打乱和融合多尺度信息;第一池化层,用于对上一层特征图进行下采样;第一卷积层,用于对上一层特征图提取单尺度特征;第二池化层,用于对上一层特征图进行下采样第二卷积层,用于对上一层特征图提取单尺度特征;softmax分类器,用于对上一层特征进行类别输出;所采用的激活函数均为Relu激活函数;(6)通过反向传播算法对多尺度卷积融合网络进行训练,得到训练好的模型;(7)通过训练好的模型对测试集进行分类,得到分类结果。2.根据权利要求1所述的方法,其特征在于,步骤(1)中对待分类的图像F采用灰度共生矩阵提取图像纹理特征,其实现如下:(1a)选择4个离散的方向:0°,45°,90°和135°,在待分类图像F中提取以每个像素点为中心的15×15大小的像素块在这4个方向的4个共生矩阵;(1b)对每个共生矩阵计算能量、熵、惯性矩和相关性这4个纹理参数,并取每个纹理参数的在(1a)所选4个方向上的均值,组成大小为1×4的向量作为被提取一个像素点的纹理特征向量;(1c)将所有像素点的纹理特征向量按照原图像素点的位置进行合并,得到与待分类图像F相同尺寸的4通道纹理特征矩阵F1。3.根据权利要求1所述的方法,其特征在于,步骤(2)中对待分类的图像F采用gabor滤波器提取小波特征,其实现如下:(2a)取方向数取4、尺度数为1的gabor滤波器组,通过该滤波器组对待分类图像F进行滤波,得到4幅滤波后的特征图像,(2b)将这4张滤波后的特征图像进行通道方向的合并,得到与待分类图像F相同尺寸的4通...
【专利技术属性】
技术研发人员:侯彪,焦李成,张永昌,马晶晶,马文萍,王爽,白静,
申请(专利权)人:西安电子科技大学,
类型:发明
国别省市:陕西,61
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。