【技术实现步骤摘要】
一种基于K-shot学习的极化SAR地物分类方法
本专利技术属于图像处理
,具体涉及一种基于K-shot学习的极化SAR地物分类方法。
技术介绍
随着极化SAR系统的技术越来越先进,获取到的极化SAR图像中包含的地物信息也越来越丰富,这使得研究极化SAR雷达解译成为当前雷达图像领域研究的热点。目前,极化SAR地物分类的方法日趋完善与先进,可以大致分为无监督分类方法、有监督分类方法和半监督分类方法。随着极化SAR雷达的发展,海量的极化SAR数据出现。因此,在面对新的极化SAR数据如何快速地进行准确分类成为了新的问题。无论是无监督方法、有监督方法还是半监督方法,在解决极化SAR地物分类问题时采取的策略与流程是基本一致的。除了与常规的分类问题中的构建规则提取数据特征、构建分类器得到分类结果一致的部分外,有两种方法被常用于基础极化SAR数据集合的构建。一种是基于图像分类的方法,另一种则是基于图像分割的方法。然而无监督分类方法分类精度较低,一般来说并不能得到可以直接使用的分类结果;有监督方法依赖大量的人工标注,而囿于极化SAR数据的特殊之处,新获取到的极化SAR数据无法进行快速、大规模的标注;半监督方法虽然可以降低对有标签数据的依赖程度,然而现如今大量的可靠半监督学习方法均需要在数据集上进行训练,以得到专一性的分类器,而当应用至多种参数、多种极化模式的极化SAR数据的快速解译问题上便略显吃力。现有方法需要在数据集上进行训练,对于快速解译就还存在一定的局限性,并不能够实现快速解译的目的,在应用时也因此会存在 ...
【技术保护点】
1.一种基于K-shot学习的极化SAR地物分类方法,其特征在于,包括以下步骤:/nS1、准备数据集,以Flevoland I数据集作为训练集进行训练,以Flevoland II和SanFrancisco数据集作为测试集进行测试;/nS2、对极化SAR数据进行精致Lee滤波处理,对经过Lee滤波的9维特征向量,即滤波后的T矩阵复制边界进行填充,逐像素有重叠地进行切块操作;/nS3、搭建包括深度嵌入模块Ψ和图像级度量模块Φ的DN4网络;/nS4、构造交叉熵损失和Hinge Loss损失函数,实现对特征样本的类内距离缩小与类间距离增大;/nS5、采用基于步骤S3的网络结构得到分类结果,采用基于步骤S4的两个损失函数迭代优化整个网络,得到最优模型;/nS6、将步骤S5中训练好的最优模型权重参数载入到基于步骤S3构造的DN4网络模型中,并依次读取所有测试集数据,预测测试集中图像的分类结果图,实现对全图的地物分类。/n
【技术特征摘要】
1.一种基于K-shot学习的极化SAR地物分类方法,其特征在于,包括以下步骤:
S1、准备数据集,以FlevolandI数据集作为训练集进行训练,以FlevolandII和SanFrancisco数据集作为测试集进行测试;
S2、对极化SAR数据进行精致Lee滤波处理,对经过Lee滤波的9维特征向量,即滤波后的T矩阵复制边界进行填充,逐像素有重叠地进行切块操作;
S3、搭建包括深度嵌入模块Ψ和图像级度量模块Φ的DN4网络;
S4、构造交叉熵损失和HingeLoss损失函数,实现对特征样本的类内距离缩小与类间距离增大;
S5、采用基于步骤S3的网络结构得到分类结果,采用基于步骤S4的两个损失函数迭代优化整个网络,得到最优模型;
S6、将步骤S5中训练好的最优模型权重参数载入到基于步骤S3构造的DN4网络模型中,并依次读取所有测试集数据,预测测试集中图像的分类结果图,实现对全图的地物分类。
2.根据权利要求1所述的基于K-shot学习的极化SAR地物分类方法,其特征在于,步骤S1中,测试集中的样本共有C类,每类K个样本,训练集中样本类别为M,M>K,每类样本个数为D,D>C,选取stembeans,rapessed,baresoil,potatoes,beet,wheat2,peas,wheat3,lucerne,barley的样本作为训练数据,剩余的五类即wheat,grasses,forest,water,buildings划分为验证集合。
3.根据权利要求1所述的基于K-shot学习的极化SAR地物分类方法,其特征在于,步骤S2中,对经过Lee滤波的9维特征向量,即滤波后的T矩阵复制边界进行填充,而后逐像素有重叠地,以15×15的窗口大小进行切块,得到若干个尺寸为15×15×9的图像块。
4.根据权利要求3所述的基于K-shot学习的极化SAR地物分类方法,其特征在于,T矩阵为:
其中,T表示极化相干矩阵,H表示水平方向极化,V表示垂直方向极化,SHH表示雷达水平发射水平接收的散射分量,SVV表示雷达垂直发射垂直接收的散射分量,SHV表示雷达水平发射垂直接收的散射分量,<·>表示按极化视数取平均值,|·|2表示取模的平方操作,(·)*表...
【专利技术属性】
技术研发人员:郭岩河,宋国鑫,王爽,赵永强,王尧,臧琪,焦李成,
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。