[发明专利]基于卷积神经网络的极化SAR建筑物震害信息自动提取方法

权利要求书

1.基于卷积神经网络的极化SAR建筑物震害信息自动提取方法，其特征在于：包括如下步骤：

(1)提取震区极化SAR数据的两种极化特征，即Yamaguchi4_vol和(1-A)(1-H)，从Yamaguchi4_vol中提取山腰信息，从(1-A)(1-H)中提取山脊信息，其中提取Yamaguchi4_vol和(1-A)(1-H)包括：对极化SAR数据的相干散射矩阵T3进行极化分解得到反熵Anisotropy、散射熵和反熵的组合特征(1-A)(1-H)、Yamaguchi分解的其体散射分量Yamaguchi4_vol；

(2)提取震区极化SAR数据SPAN图像基于灰度共生矩阵的两种纹理特征，即二阶矩second moment和同质性homogeneity，将上述山腰和山脊提取结果融入二阶矩secondmoment、同质性homogeneity纹理信息中，剔除提取的山腰、山脊部分，再将剔除后的二阶矩second moment、同质性homogeneity纹理相加，增强建筑物区域灰度，提取建筑物区域，完好建筑物和倒塌建筑物的混合建筑区；

(3)提取震区极化SAR数据的极化特征反熵Anisotropy和SPAN图像的纹理特征对比度Correlation，再次使用卷积神经网络对反熵Anisotropy和对比度Correlation的叠加特征进行完好建筑物的识别，并将建筑区的剩余部分归为倒塌建筑物。

2.根据权利要求1所述的基于卷积神经网络的极化SAR建筑物震害信息自动提取方法，其特征在于：所述卷积神经网络由输入层、卷积层、池化层、全连接层、输出层组成。

3.根据权利要求2所述的基于卷积神经网络的极化SAR建筑物震害信息自动提取方法，其特征在于：采用卷积神经网络提取山腰信息时，所述输入层是极化SAR数据的极化特征Yamaguchi4_vol图像；采用卷积神经网络提取山脊信息时，所述输入层是极化SAR数据的极化特征(1-A)(1-H)图像；采用卷积神经网络提取完好建筑时，所述输入层是极化SAR数据的极化特征Anisotropy和纹理特征Correlation相加的特征；上述每种特征的训练集包括200个特征样本，样本大小均为30×30，逐像元做30×30窗口的卷积神经网络训练；

所述卷积层采用一系列可训练的卷积核对上一层输入数据进行卷积运算，卷积核通过反向传播算法获得，而非人工设计的，每个卷积层包含多个权值不同的卷积核，每个卷积核分别与输入图像进行卷积操作，从而获取输入数据的不同特征；

所述池化层对于输入特征图像的相邻像素之间取平均值或求得最大值，得到新的特征映射图，从而达到缩小图像尺寸、使得图像具有旋转平移不变性的目的；

所述全连接层的每一个神经元都与前一层的所有神经元相连接，它将二维的特征图转换成一维向量，便于输出层分类；所述输出层相当于一个分类器，采用Softmax回归，通过取输出层的最大概率对应的所属分类进行图像分割。

4.根据权利要求1所述的基于卷积神经网络的极化SAR建筑物震害信息自动提取方法，其特征在于：所述卷积神经网络上配置有激活函数，激活函数增强了卷积神经网络的非线性表达能力以及数据稀疏表达能力，使得数据处理更加高效，所述激活函数是Sigmoid函数。