一种基于多任务DCGAN的SAR图像分类方法技术

本发明专利技术涉及图像处理技术领域，旨在提供一种基于多任务DCGAN的SAR图像分类方法。包括步骤：构建多任务DCGAN网络框架；对原始SAR数据进行合理表征；生成训练数据集和测试数据集；训练多任务DCGAN；对测试SAR图像数据集进行地物分类并计算评价指标。本发明专利技术的DCGAN网络能够协同处理生成任务、重构任务、分类任务。能够同时判断图像真假、捕获其低维流形稀疏特征、并用编码的稀疏特征进行图像分类，克服了通过DCGAN网络对SAR图像进行分类时特征信息不全面问题，缓解了模式坍塌问题。对于多任务DCGAN网络结构，自适应损失函数权值参数能在网络训练过程中被自动学习。因此克服了现有技术中模式坍塌或训练不稳定的问题，使SAR图像分类精度得以提高。度得以提高。度得以提高。

【技术实现步骤摘要】
一种基于多任务DCGAN的SAR图像分类方法


[0001]本专利技术属于图像处理
，更进一步涉及雷达图像分类
中的基于多任务DCGAN(深度卷积生成对抗网络，Deep Convolutional Generative Adversarial Network)的SAR(合成孔径雷达)图像分类方法。本专利技术可用于对SAR图像中的地物目标进行分类。

技术介绍

[0002]随着合成孔径雷达(SAR)图像数据资源的不断丰富，SAR图像解译变得更为重要。然而，相比SAR成像技术的快速发展，现有的SAR图像解译技术发展相对滞后。SAR图像分类通过分析获取地物后向散射信号来提取地物类别信息，是SAR图像解译的重要内容，在农业植被调研、资源勘测、海洋环境监测等众多应用中都涉及到SAR图像分类技术。考虑到SAR图像特殊的成像机理，使得光学遥感图像分类算法在SAR图像上往往难以取得优异的效果。SAR图像分类关键问题包括以下两个方面：(1)有效的特征表达；(2)鲁棒的分类器。
[0003]传统的SAR图像特征提取算法主要分为以灰度共生矩阵(Gra本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多任务DCGAN的SAR图像分类方法，其特征在于，包括以下步骤：(1)构建多任务DCGAN网络框架构建内容包括：对抗任务模块、分类任务模块、自编码任务模块，及多任务GAN的自适应损失函数；(2)对原始SAR数据进行合理表征包括：对于单极化数据，采用幅度或强度进行表征；对于极化数据，采用水平
‑
水平、水平
‑
垂直、垂直
‑
垂直三种极化的幅度、强度，或者极化分解得到的相应物理量进行表征；(3)生成训练数据集和测试数据集包括：采用滑窗法生成SAR图像每个像素点的切片图像；对每种地物类别随机取10％的切片图像数据作为训练集，其余数据作为测试集；(4)训练多任务DCGAN采用交替训练的方式更新对抗任务模块、分类任务模块与自编码任务模块直至收敛，在训练过程中采用Adam算法进行梯度回传；(5)对测试SAR图像数据集进行地物分类并计算评价指标将测试SAR图像数据输入训练好的多任务DCGAN网络中，得到地物分类结果，并计算相应的Precision、Recall、F1
‑
Score、OA、Kappa评价指标。2.根据权利要求1所述的方法，其特征在于，所述步骤(1)中，对抗任务模块的具体结构和参数为：对抗任务模块具有4层结构，其结构依次为：输入层
‑
＞第一全连接层
‑
＞BatchNorm层
‑
＞LeakyRelu层
‑
＞第二全连接层
‑
＞BatchNorm层
‑
＞LeakyRelu层
‑
＞第一反卷积层
‑
＞BatchNorm层
‑
＞LeakyRelu层
‑
＞第二反卷积层
‑
＞Tanh层；各层的参数设置如下：输入层的特征图维度设置为100(噪声维度)+类别个数；第一全连接层、BatchNorm层节点个数设置为1024，LeakyRelu层的斜率参数设置为0.2；第二全连接层、BatchNorm层节点个数设置为128*输入图像长度/4*输入图像宽度/4，LeakyRelu层的斜率参数设置为0.2；第一反卷积层滤波器个数、滤波器尺寸大小、步长、填充分别设置为64，4，2，1；BatchNorm层节点个数设置为64，LeakyRelu层斜率参数设置为0.2；第二反卷积层滤波器个数、滤波器尺寸大小、步长、填充分别设置为类别数，4，2，1；Tanh层节点个数为3。3.根据权利要求1所述的方法，其特征在于，所述步骤(1)中，分类任务模块的具体结构和参数为：分类任务模块具有5层结构，其结构依次为：输入层
‑
＞第一卷积层
‑
＞LeakyRelu层
‑
＞第二卷积层
‑
＞BatchNorm层
‑
＞LeakyRelu层
‑
＞第三卷积层
‑
＞LeakyRelu层
‑
＞第一全连接层
‑
＞自编码层
‑
＞Softmax层、Sigmoid层；各层的参数设置如下：输入层的特征图维度为3；第一卷积层滤波器个数、滤...

【专利技术属性】
技术研发人员：张征，杜阳，
申请(专利权)人：浙江大学，
类型：发明
国别省市：