[发明专利]基于金字塔注意力网络的PolSAR图像山脊线提取方法

权利要求书

1.基于金字塔注意力网络的PolSAR图像山脊线提取方法，其特征在于，包括如下步骤：

S101，对PolSAR图像进行预处理和极化分解，得到Yamaguchi分解的体散射分量特征和Lambda特征，将所述体散射分量特征与Lambda特征相结合，获得极化组合特征，以便于后续对建筑物和山脊进行标注，从而获得训练样本和测试样本；

S102，对极化组合特征图进行建筑物和山脊的标注，得到标注图像，对标注图像进行分割，获得训练集和测试集；

S103，将所述训练集输入金字塔注意力网络PAN模型，首先经7×7的卷积运算，由编码器进行训练处理，提取输入图像特征；然后将输入图像特征输入到特征金字塔注意力FPA模块中，提取出不同尺度像素级特征信息；最后利用全局注意力上采样GAU模块，通过全局池化操作，分层逐步进行图像的解码，将底层和高层特征信息准确地结合在一起，完成对山脊线的提取。

2.如权利要求1所述的基于金字塔注意力网络的PolSAR图像山脊线提取方法，其特征在于，所述建筑物和山脊标记时，采用的标注工具为LabelMe。

3.如权利要求1所述的基于金字塔注意力网络的PolSAR图像山脊线提取方法，其特征在于，所述标注图像分割方法为：设步长为1，将标注图像分割成1406个大小为256×256的样本，所述1406个样本下标依次从0递增到1405，之后输出了两个集合，其中一个集合为训练集，训练集是由总样本中随机筛选出的983个样本组成，剩下的样本则自动归到另一个集合中，即测试集，共423个。

4.如权利要求1所述的基于金字塔注意力网络的PolSAR图像山脊线提取方法，其特征在于，所述编码器采用ResNet-101网络模型。

5.如权利要求1所述的基于金字塔注意力网络的PolSAR图像山脊线提取方法，其特征在于，所述FPA模块采用u型网络结构。

6.如权利要求5所述的基于金字塔注意力网络的PolSAR图像山脊线提取方法，其特征在于，所述不同尺度像素级特征信息的提取方法为：将特征金字塔注意力模块FPA输出的映射特征与进行1×1卷积操作后获得的特征信息相乘，得到的结果再与GAU模块的输入特征联合。

7.如权利要求6所述的基于金字塔注意力网络的PolSAR图像山脊线提取方法，其特征在于，所述GAU模块的全局池化操作过程为：首先对低层特征进行3×3的卷积运算，对高层特征进行全局池化和1×1的卷积运算，然后将两个卷积运算得到的特征相乘，再与高层特征进行连接，以指导低层特征的分类。