[发明专利]一种基于深度Curvelet残差网的极化SAR影像分类方法

权利要求书

1.一种基于深度Curvelet残差网的极化SAR影像分类方法，其特征在于，包括：

步骤1，输入待分类的极化SAR图像，对极化散射矩阵S进行Pauli分解，得到奇次散射、偶次散射、体散射系数，用这3个系数作为极化SAR图像的3维图像特征，构成基于像素点的特征矩阵F；

步骤2，用特征矩阵F中每个元素取周围28×28的块代表原来的元素值，构成基于图像块的特征矩阵；

步骤3，用步骤2中得到的基于图像块的特征矩阵构造数据集D1；

步骤4，对数据集D1中像素块进行多尺度Curvelet变换，提取图像的尺度、位置和角度信息，进行归一化处理，得到训练数据集D；

步骤5，对步骤1得到的特征矩阵F做多尺度Curvelet变换并进行超像素处理，构造数据集T1；

步骤6，构造基于深度Curvelet残差网的分类模型：选择一个由输入层→Curvelet层→卷积层→残差块→残差块→残差块→残差块→残差块→归一化层→池化层→全连接softmax分类器组成的33层神经网络；

步骤7，用步骤4得到的训练数据集D对步骤6构建的分类模型进行训练，得到训练好的模型；

步骤8，将步骤5构造的数据集T1送入步骤7训练好的模型进行分类并得到整张图的预测类标矩阵T2。

2.根据权利要求1所述的基于深度Curvelet残差网的极化SAR影像分类方法，其特征在于，步骤1的具体步骤如下：

1a)定义Pauli基{S₁,S₂,S₃}，公式如下：

S1=121001S2=12100-1S3=120110---<1>]]>

其中S₁表示奇次散射，S₂表示偶次散射，S₃表示体散射；

1b)由Pauli分解定义得到如下等式：

S=SHHSHVSHVSVV=aS1+bS2+cS3---<2>]]>

其中a为奇次散射系数，b为偶次散射系数，c为体散射系数；

1c)求解式<2>，代入式<1>求得的SHH、SVV、SHV，得到3个散射系数a、b、c：

a=12(SHH+SVV)b=12(SHH-SVV)c=2SHV---<3>]]>

1d)定义一个大小为H×W×3的矩阵F，并将奇次散射系数a、偶次散射系数b和体散射系数c赋给矩阵F，得到基于像素点的特征矩阵F，其中H为待分类极化SAR图像的长，W为待分类极化SAR图像的宽。