[发明专利]基于DBN模型的干涉SAR图像分类方法

说明书

本发明公开了一种基于深度信念网络DBN模型的干涉SAR图像分类方法，本发明解决了自动提取干涉SAR图像特征的技术问题。其实现过程是：1输入数据预处理，将输入数据进行归一化，对每个像素取其一个大小为M×M窗口；2样本提取，根据干涉SAR图像对应的实际地物，对待分类的每种地物选取一定量的样本；3根据实验确定DBN模型参数，然后根据样本训练DBN模型；4根据训练好的DBN模型，对待分类数据进行分类。本发明把DBN模型应用到干涉SAR图像分类上，利用了DBN模型自身优势，自动提取图像特征，缩短分类时间；发掘图像之间的相关性，提高分类准确率。可应用于干涉化合成孔径雷达SAR图像分类。

技术领域

本发明属于图像处理技术领域，涉及一种基于深度信念网络(DBN模型) 的干涉合成孔径雷达(Interferometric Synthetic Aperture Radar，InSAR)图像分类方法，具体是一种基于DBN模型的干涉SAR图像分类方法。可用于对雷达图像中不同目标区域进行分类。

背景技术

合成孔径雷达干涉技术作为合成孔径雷达的延伸和发展，主要应用于获取数字高程图(Digital Elevation Model，DEM)、地表形变的检测等领域。在干涉SAR 数据处理过程中，会生成一幅衡量干涉图质量好坏的相干图，而相干图对地物具有良好的可分性。

根据相干图的良好可分性，干涉SAR应用到地物分类一般分为两类：直接根据相干图分类以及结合干涉SAR的强度图和相干图对地物进行分类。

只用相干图进行分类包括：云日升提出将Kmeans分类算法与Markov随机场结合一起分类的算法，并将该算法应用在干涉SAR相干图的分类，取得了较好效果；RiadhAbdelfattah等在分析相干图分布特性基础上利用混合模型方法对干涉SAR的相干图分割，其首先用直方图来统计不同地物的相干特性的并利用混合模型来进行匹配，然后再根据不同模型利用阈值法对不同地物分类。但是以上技术都没有充分利用干涉SAR数据信息，强度图的灰度信息并没有得到利用。

结合干涉的强度图和相干图对地物进行分类包括：Marcus E.Engdahl等人对 28幅强度图及对应的14幅相干图采用ISODATA算法进行分类；L.V.DUTRA 等人通过对干涉SAR图像特征提取及选择对干涉SAR图像进行分类。但是以上技术分类对干涉SAR图像特征的选择比较繁琐且费时，特别是主强度图、辅强度图及相干图间的相关性并没有发掘提取。

发明内容

本发明的目的在于解决上述现有技术的不足，提出了一种基于DBN模型的干涉SAR图像分类方法，相比现有方法，DBN模型结合了监督学习与非监督学习的优点，充分利用了干涉SAR图像信息，并自动充分发掘主辅强度图和相干图在空间与时间上的相关信息，进而能够更容易、更精确的对干涉SAR图像分类。

本发明是一种基于DBN模型的干涉SAR图像分类方法，其特征在于，包括有以下步骤：

(1)输入数据的预处理

输入的数据主要包括干涉SAR图像的主强度图、辅强度图及相干图，对以上三幅图的灰度值进行归一化处理；为了减小噪声影响，对每幅图像中的每个像素取一个邻域窗口作为对应每个像素的输入值；将三幅图叠加在一起，合成一个三维图像，该合成图像包括了干涉SAR图像对应所有的待分类数据信息；

(2)样本选择

根据干涉SAR图像的实际地物分布，对合成三维图像中的每一类数据随机选取n个M×M×3的图像块作为训练样本；

(3)深度信念网络DBN模型训练

DBN模型训练前首先确定模型参数，主要包括：网络层数、每层节点数、学习率，这些参数通过实验逐一调整，将确定好的参数用于预训练和微调整；

DBN模型训练包括预训练阶段和微调整阶段