[发明专利]一种基于小波变换的SAR影像风条纹识别方法

权利要求书

1.一种基于小波变换的SAR影像风条纹识别方法，其特征是，包括如下步骤：

按预设空间分辨率对目标SAR影像切片处理，获取不少于两个SAR特征图像；

对所述SAR特征图像进行小波变换，提取所述SAR特征图像的小波系数；

将所述小波系数输入预先训练好的卷积神经网络，获取所述小波系数的分类结果；

基于所述分类结果，判定与所述小波系数相对应的SAR特征图像的风条纹是否明显。

2.根据权利要求1所述的基于小波变换的SAR影像风条纹识别方法，其特征是，所述小波变换为二维Mexican-hat小波变换。

3.根据权利要求2所述的基于小波变换的SAR影像风条纹识别方法，其特征是，所述二维Mexican-hat小波变换，其计算公式如下：

式中，ψ_H(k)为小波母函数，k为二维空间—频率域的变量，·为向量内积，e为自然常数。

4.根据权利要求1所述的基于小波变换的SAR影像风条纹识别方法，其特征是，所述预设空间分辨率包括10km×10km或5km×5km。

5.根据权利要求1所述的基于小波变换的SAR影像风条纹识别方法，其特征是，所述卷积神经网络包括不少于一组交替分布的卷积层和池化层。

6.根据权利要求5所述的基于小波变换的SAR影像风条纹识别方法，其特征是，所述卷积层的计算公式如下：

式中，为第l层的第j个SAR特征图像的小波系数，为卷积核函数，f()为激活函数，为加性偏置参数，M_j为输入的SAR特征图像小波系数的集合。

7.根据权利要求6所述的基于小波变换的SAR影像风条纹识别方法，其特征是，所述池化层的计算公式如下：

式中，down()下层采样函数，为第l层的第j个SAR特征图像小波系数的乘性偏置参数。

8.根据权利要求1所述的基于小波变换的SAR影像风条纹识别方法，其特征是，所述卷积神经网络的训练过程中，包括：

求取卷积神经网络的实际输出值与理想输出值之间的误差值；

利用所述误差值按极小化误差方法反向传播调整所述卷积神经网络中各权值和阈值。

9.根据权利要求8所述的基于小波变换的SAR影像风条纹识别方法，其特征是，所述极小化误差方法，其计算公式如下：

W(t+1)＝W(t)+ηδ(t)x(t)，

式中，W(t+1)为t+1时刻权值，W(t)为t时刻权值，η为学习速率，x(t)为神经元的输入，δ(t)为实际输出值与理想输出值之间的误差值。

通过大量的训练，优化神经网络模型参数，得到基于小波分析的星载SAR风条纹识别模型，并用于高效率和高准确性的识别海面风条纹。