基于反卷积网络和稀疏分类的极化SAR图像分割方法

摘要

本发明公开了一种基于反卷积网络和稀疏分类的极化SAR图像分割方法，主要解决现有技术需要依靠人工经验提取特征的问题。其实现步骤是：1.依次提取极化SAR图像的功率图和素描图；2.利用素描图提取极化SAR图像功率图的区域图；3.在极化SAR图像对应的聚集区域中提取样本；4.利用聚集区域中的样本对反卷积网络进行训练，并利用训练得到的滤波器构造相似性矩阵；5.利用相似性矩阵分割聚集区域；6.分别对匀质区域和结构区域进行分割；7.合并聚集区域、匀质区域和结构区域的分割结果，得到分割后的极化SAR图像。本发明的分割结果具有较好的区域一致性,且提高了极化SAR图像的分割效果,可用于目标检测和识别。

主权项

一种基于反卷积网络和稀疏分类的极化SAR图像分割方法，包括如下步骤：(1)输入待分割的极化SAR图像的数据，对该极化SAR图像进行Pauli分解，得到极化SAR图像相干矩阵对角线三个通道的幅度值，将三个通道幅度值相加得到极化SAR图像的功率图，对极化SAR图像功率图进行素描化；(2)根据极化SAR图像功率图的素描图提取区域图，并根据区域图将极化SAR图像映射为聚集区域、匀质区域和结构区域；(3)对聚集区域进行分割：(3a)对聚集区域中的各个互不连通的区域分别进行采样，并利用采样得到的样本对反卷积网络进行无监督的训练，得到表征各个互不连通区域结构特征的滤波器集合；(3b)利用提取到的各个互不连通区域的滤波器集合构造字典，结合字典构造相似性矩阵；(3c)利用相似性矩阵合并相似的聚集区域，得到聚集区域的分割结果；(4)对匀质区域进行分割；(5)对结构区域进行分割，提取出孤立目标和边界；(6)将聚集区域、匀质区域和结构区域的分割结果进行合并，得到分割后的极化SAR图像。