一种融合双极化特征的SAR图像舰船分类方法技术

本发明专利技术公开了一种融合双极化特征的SAR图像舰船分类方法,它是针对SAR图像中的舰船分类问题，基于深度学习方法，设计了4个模块：分别是双极化特征融合模块(DPFF)，压缩激励模块，拉普拉斯金字塔模块和Softmax分类器模块。双极化特征融合模块充分利用了极化特征，丰富了SAR舰船特征，抑制了斑点噪声；压缩激励模块平衡了各极化特征的贡献；拉普拉斯金字塔模块从粗分辨率到细分辨率提取SAR舰船特征，提高精度。经过训练，输入图像依次经历上述4个模块处理后，最终能够实现SAR图像中舰船的分类，在分类准确率方面优于现有的基于深度学习的SAR舰船分类方法。舰船分类方法。舰船分类方法。

【技术实现步骤摘要】
一种融合双极化特征的SAR图像舰船分类方法


[0001]本专利技术属于合成孔径雷达(SAR)图像解译
，涉及一种融合双极化特征的SAR图像中舰船分类方法。

技术介绍

[0002]合成孔径雷达(SAR)是一种主动式微波遥感雷达，能够全天时全天候远距离多角度地对海陆环境进行观测成像。相比于光学成像技术，合成孔径雷达成像技术能够避免气候和时间的影响，并且具有分辨率高、时效性较好的特点，因此在地形图像生成、目标探测与侦察、目标精确打击、国土资源勘查和自然灾害监测等国民经济与军事领域得到广泛的应用。详见文献“侯笑晗,金国栋,谭力宁.基于深度学习的SAR图像舰船目标检测综述[J].激光与光电子学进展,2021,58(04):53
‑
64.”。
[0003]海洋监控是沿海国家国防事业中关键的环节，关系到海上交通管制、渔业管理以及沉船应急救援等领域的工作开展。船舶是海洋运输中最重要的工具，也是海洋监控的重点目标。随着星载SAR系统技术的不断发展，大量的高分辨率SAR舰船图像可用于海上船舶检测识别。利用星载SAR对舰船进行有效的分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种融合双极化特征的SAR图像舰船分类方法，其特征是它包括以下几个步骤：步骤1、准备数据集在经典OpenSARShip数据集中选择其中的单视复数域数据；建立三类舰船数据集，舰船类型分别为散货船、集装箱船和邮轮；将在三类舰船中最少舰船数量的70％作为训练集，其余类别舰船的训练样本也设置为相同数目，剩余样本均设置为测试集，从而获得类别均衡的三类舰船数据集；建立六类舰船数据集，舰船类型分别为散货船、货船、集装箱船、渔船、杂货船和邮轮；将在六类舰船中最少舰船数量的80％作为训练集，其余类别舰船的训练样本也设置为相同数目，剩余样本均设置为测试集，从而获得类别均衡的六类舰船数据集；至此完成数据集的准备；步骤2、建立双极化特征融合模块将经典OpenSARShip数据集中对应的VV极化特征图和VH极化特征图做传统的共轭相乘取模操作，得到C
VV
‑
VH
极化相干特征图；根据Inception v1模型，采用经典卷积神经网络方法和传统池化层方法建立Encoder模块，从而得到三个Encoder模块，分别记为Encoder1，Encoder2，Encoder3；采用传统卷积核设置方法设置Encoder模块的卷积核尺寸分别为1
×
1，3
×
3，5
×
5；采用传统激活函数设置方法设置Encoder模块中的卷积层的激活函数均为ReLU；采用传统池化层设置方法，设置Encoder模块中的最大池化层尺寸大小为3
×
3；采用传统特征融合concatenate方法将Encoder1，Encoder2，Encoder3的输出特征图进行concatenate融合，建立了特征融合层F1；至此，双极化特征融合模块建立完毕；步骤3、建立压缩激励模块采用传统池化层设置方法建立全局平均池化层，记为GAP1；采用传统全连接层方法建立全连接层，记为FC1；采用传统卷积核尺寸方法设置FC1的通道数是F1输出特征图通道数的一半；采用传统激活函数方法，设置FC1的激活函数为ReLU；采用传统全连接层方法建立全连接层，记为FC2，采用传统卷积核尺寸方法设置FC2的通道数是FC1通道数的2倍；采用传统激活函数方法，设置FC2的激活函数为Sigmoid；进行Scale操作：Scale操作是将F1的输出特征图与FC2的输出向量相乘，得到一个新的特征图；至此，压缩激励模块建立完毕；步骤4、建立拉普拉斯金字塔模块采用传统拉普拉斯金字塔方...

【专利技术属性】
技术研发人员：张晓玲，王宝有，张天文，胥小我，师君，韦顺军，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：