基于脊波反卷积网络和稀疏分类的SAR图像分割方法

摘要

本发明公开了一种基于脊波反卷积网络和稀疏分类的SAR图像分割方法。主要解决现有技术需要人工经验提取图像特征的问题。其实现步骤如下：(1)素描化合成孔径雷达SAR图像；(2)划分SAR图像为不同语义的区域；(3)对聚集区域和匀质区域分别训练脊波反卷积网络RDN；(4)合并相似的聚集区域；(5)合并相似的匀质区域；(6)基于分水岭方法，对步骤(2)获得的结构区域进行分割；(7)得到分割后的合成孔径雷达SAR图像。本发明的分割结果具有较好的区域一致性,且提高了合成孔径雷达SAR图像的分割效果,可用于目标检测和识别。

主权项

一种基于脊波反卷积网络和稀疏分类的SAR图像分割方法，包括如下步骤：(1)素描化SAR图像：对输入的合成孔径雷达SAR图像素描化，得到合成孔径雷达SAR图像的素描图；(2)划分SAR图像为不同语义的区域：利用射线补全区域图，将合成孔径雷达SAR图像划分为聚集区域、匀质区域和结构区域；(3)对聚集区域和匀质区域分别训练脊波反卷积网络RDN：(3a)构造一个4层脊波反卷积网络RDN；(3b)利用脊波函数，分别对已构造的4层脊波反卷积网络RDN中的3个反卷积层的滤波器组进行初始化；(3c)对空间上不连通的各个聚集区域和空间上不连通的各个匀质区域，分别训练一个4层脊波反卷积网络RDN，得到脊波反卷积网络中滤波器组的最优值；(4)合并相似的聚集区域：(4a)用空间上不连通的各个聚集区域训练所得脊波反卷积网络最后一层的滤波器组的最优值表示空间上不连通的各个聚集区域；(4b)采用稀疏分类的方法，计算表示空间上不连通的各个聚集区域间结构特征相似性的测度；(4c)将聚集区域结构特征相似性测度大于其阈值τ的对应区域作为相似的聚集区域，合并所有相似的聚集区域，其中，τ表示聚集区域结构特征相似性测度的阈值，τ的取值范围为τ∈[0,1]；(5)合并相似的匀质区域：(5a)用空间上不连通的各个匀质区域训练所得脊波反卷积网络最后一层的滤波器组的最优值表示空间上不连通的各个匀质区域；(5b)采用稀疏分类的方法，计算表示空间上不连通的各个匀质区域间结构特征相似性的测度；(5c)将匀质区域结构特征相似性测度大于其阈值σ的对应区域作为相似的匀质区域，合并所有相似的匀质区域，其中，σ表示匀质区域结构特征相似性测度的阈值，σ的取值范围为σ∈[0,1]；(6)对结构区域进行分割：对步骤(2)获得的结构区域进行分割，得到结构区域的分割结果；(7)得到分割后的SAR图像：利用步骤(4)得到的聚集区域和步骤(5)得到的匀质区域，以及步骤(6)得到的结构区域，得到分割后的合成孔径雷达SAR图像。