基于反卷积网络与映射推理网络的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映射推理网络的SAR图像分割方法，主要解决现有技术分割不准的问题。其实现步骤是：1.根据SAR图像的素描模型提取素描图，补全该图中的素描线段得到区域图，并将其映射到原SAR图像，得到聚集、匀质和结构三个区域；2.对聚集和匀质区域中的各个互不连通区域分别采样，对采样样本进行无监督训练，得到表征各个互不连通区域结构特征的滤波器集合；3.对聚集和匀质区域中互不连通区域间的结构特征进行比较推理，得到聚集和匀质区域的分割结果；4.分割结构区域；5.合并聚集、匀质和结构三个区域的分割结果，得到最终分割结果。本发明分割结果准确，能有效对SAR图像的不同地物进行区分。

主权项

一种基于反卷积网络和映射推理网络的SAR图像分割方法，包括如下步骤：(1)根据SAR图像的素描模型提取SAR图像的素描图，补全素描图中的素描线段得到区域图，并将区域图映射到原SAR图像，得到聚集区域A、匀质区域B和结构区域C；(2)对于聚集区域A和匀质区域B中的各个互不连通区域分别进行采样，并用反卷积网络对采样获得的样本进行无监督训练，得到表征各个互不连通区域结构特征的滤波器集合；(3)采用如下映射推理网络对聚集区域A和匀质区域B中互不连通区域间的结构特征进行相似性比较推理，得到聚集区域A和匀质区域B的分割结果：(3a)在自组织网络基础上，加入自组织测试网络、映射比较模块和规则推理模块形成推理网络；(3b)选取第一区域D，将步骤(2)得到的滤波器集合输入自组织网络中进行训练，得到n个滤波器子集，每个滤波器子集对应一个类别，权值是n个聚类中心的集合，训练完成后将推理网络中自组织测试网络的权值设置为自组织网络的权值，其中，对于聚集区域A，n＝20，对于匀质区域B，n＝3；(3c)选取与第一区域D不连通的第二区域F，将步骤(2)得到的滤波器集合输入推理网络中进行映射；(3d)根据映射结果，判定第一区域D与第二区域F之间的结构相似性；(3e)根据各个互不连通区域间的结构相似性,得到聚集区域A和匀质区域B的分割结果；(4)采用基于超像素的方法对结构区域C进行分割，得到结构区域C的分割结果；(5)合并聚集区域A、匀质区域B和结构区域C的分割结果，得到SAR图像的最终分割结果。