主权项 |
一种基于张量和稀疏自编码器的极化SAR图像分类方法,包括以下步骤:(1)输入极化SAR图像T矩阵:读取极化合成孔径雷达SAR图像中每个像素点对应的T矩阵,T矩阵的大小为3×3个数据,每个数据为一个复数;(2)生成每个像素点对应的三阶张量:分离T矩阵中每个数据复数的实部与虚部,将实部与虚部所对应的实数构成一个大小为3×3×2个数据的三阶张量,每个数据为一个实数;(3)按照下式,计算所取像素点与其相邻像素点间的相似度:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mo><</mo><mi>X</mi><mo>,</mo><mi>Y</mi><mo>></mo><mo>=</mo><msubsup><mi>Σ</mi><mrow><mi>l</mi><mn>1</mn><mo>=</mo><mn>1</mn></mrow><mrow><mi>L</mi><mn>1</mn></mrow></msubsup><msubsup><mi>Σ</mi><mrow><mi>l</mi><mn>2</mn><mo>=</mo><mn>1</mn></mrow><mrow><mi>L</mi><mn>2</mn></mrow></msubsup><msubsup><mi>Σ</mi><mrow><mi>l</mi><mn>3</mn><mo>=</mo><mn>1</mn></mrow><mrow><mi>L</mi><mn>3</mn></mrow></msubsup><msub><mi>X</mi><mrow><mi>l</mi><mn>1</mn><mo>,</mo><mi>l</mi><mn>2</mn><mo>,</mo><mi>l</mi><mn>3</mn></mrow></msub><msub><mi>Y</mi><mrow><mi>l</mi><mn>1</mn><mo>,</mo><mi>l</mi><mn>2</mn><mo>,</mo><mi>l</mi><mn>3</mn></mrow></msub></mrow>]]></math><img file="FDA0000787679880000011.GIF" wi="783" he="100" /></maths>其中,<X,Y>表示所取像素点张量X与其相邻像素点张量Y间的相似度,X表示在极化合成孔径雷达SAR图像中所取像素点对应的三阶张量,Y表示所取像素点X的3×3邻域内九个相邻像素点分别所对应的三阶张量,L1,L2,L3分别表示所取像素点张量X与其相邻像素点张量Y中对应阶的大小,l1,l2,l3分别表示所取像素点张量X与其相邻像素点张量Y中对应阶的位置,∑表示求和操作,对于每个像素点,与其邻域内九个点分别经过相似度计算共得到九个实数,将这九个实数组成一个九维的向量,作为所选像素点的邻域信息;(4)生成每个像素点对应的散射向量;(5)生成每个像素点对应的特征向量:对于极化合成孔径雷达SAR图像中的每个像素点,将表示其邻域信息的九维向量与表示其散射信息的九维向量组合成十八维的特征向量;(6)选取训练数据:对极化合成孔径雷达SAR图像所对应的标准图中的每一类地物,任意选取30%的带有标签的像素点所对应的特征向量作为训练数据;(7)训练稀疏自编码器:(7a)构建稀疏自编码器;(7b)将训练数据输入稀疏自编码器,训练稀疏自编码器;(8)获得最终的分类结果:将极化合成孔径雷达SAR图像中每个像素点对应的特征向量输入到训练好的稀疏自编码器中,稀疏自编码器输出分类标签,根据得到的分类标签对极化合成孔径雷达SAR图像中每个像素点进行上色,得到最终的分类结果图。 |