[发明专利]基于变长增量型极限学习机的SAR图像分类方法

摘要

本发明公开了一种基于变长增量型极限学习机的SAR图像分类方法，先对待分类的SAR图像进行图像预处理操作，并按照像素进行样本划分；再在SAR图像数据库样本集中采集训练样本；对所有样本图片分别提取基于灰度共生矩阵和基于Gabor滤波的纹理特征；对生成的组合特征进行融合，采用串行方法组合和基于主分量分析方法降维；利用训练样本训练变长增量型极限学习机；将待分类样本输入到训练好的分类器中，得到最终的SAR图像分类结果。本发明方法主要解决SAR图像分类的训练时间长、正确率不高的问题，将变长增量型极限学习机作为分类器，具有泛化性能好、训练效率高的优势，并获得较高的SAR图像分类精度，更具高效性与实用性。

主权项

1.一种基于变长增量型极限学习机的SAR图像分类方法，其特征在于，包括以下步骤：(1)对待分类的SAR图像进行图像预处理操作，对预处理后图像中的每个待分类像素，以该待分类像素为中心像素，并将该中心像素周围预先设定的区域作为待分类样本；(2)在SAR图像数据库样本集中，分别在不同类别的样本集中采集训练样本构成训练样本集P，所述训练样本的大小与所述待分类样本大小相同；(3)对待分类的SAR图像的所有待分类样本，所有训练样本分别提取基于灰度共生矩阵的纹理特征和基于Gabor滤波的纹理特征；(4)对步骤(3)中提取的纹理特征进行融合，采用串行方法组合和主分量分析方法降维得到融合后的特征向量；(5)基于所述融合后的特征向量，利用所述训练样本集P训练变长增量型极限学习机得到训练好的分类器；(6)基于所述融合后的特征向量，将所述待分类样本输入到所述训练好的分类器中，得到待分类样本的类别，以待分类样本的类别作为对应中心像素的类别，得到最终的SAR图像分类结果。