申请/专利权人：西安理工大学

申请日：2022-08-31

公开（公告）日：2024-06-28

公开（公告）号：CN115410093B

主分类号：G06V20/13

分类号：G06V20/13;G06N3/0464;G06N3/09;G06V10/764;G06V10/774;G06V10/82

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2022.12.16#实质审查的生效;2022.11.29#公开

摘要：本发明公开一种基于双通道编码网络和条件随机场的遥感图像分类方法，步骤包括：首先对PolSAR图像预处理后，使用目标分解方法提取PolSAR图像的多特征；利用双通道编码的FCN网络分别训练原始数据和多特征并进行特征融合并得到初始分类结果；接着构建CRF的能量函数，初始分类结果作为其输入，充分考虑PolSAR图像的全局结构信息，对边缘细节分割进行改善，此外，为了防止区域过于平滑，添加了边界惩罚函数进行约束，有效克服了PolSAR图像中像素之间缺乏互联性的问题。最终使得PolSAR分类结果能够显示出良好的空间一致性和图像边缘精细结构的完整性。

主权项：1.基于双通道编码网络和条件随机场的遥感图像分类方法，其特征在于，包括以下步骤：步骤1，输入待分类的极化SAR图像，进行预处理；步骤2，将预处理后极化SAR图像的T矩阵展开成9维的列向量归一化后得到列向量特征；同时将预处理后极化SAR图像的T矩阵进行三种目标分解方法得到9维物理散射特征，归一化后获得目标分解特征；步骤3，建立基于双通道的FCN网络，所述双通道的FCN网络包括一路FCN网络和二路FCN网络，将步骤2得到的列向量特征和目标分解特征分别输入一路FCN网络和二路FCN网络进行训练分别得到极化相干特征图和极化分解特征图；所述一路FCN网络为Wishart复矩阵子网络，所述二路FCN网络为多特征编码子网络；所述Wishart复矩阵子网络包括依次连接的Wishart网络层、传统卷积层，最大池化层；Wishart网络层中，对于输入的原始数据T，进行Wishart距离计算；并采用Wishart卷积核，将Wishart卷积转化为线性运算，Wishart卷积定义为：hIi＝sigmW'Ii+b1其中，sigm·为sigmoid函数，Ii表示第i个像素点的T矩阵列向量，W为3×3的卷积核，初始化为初始聚类中心，为方便计算，将其向量化为9维列向量，卷积核个数定为聚类中心个数C；b为偏置项，将b初始化为：b＝[ln|T1|,ln|T2|,...,ln|TC|]'2其中，h表示隐层输出，T1为第一个像素的T矩阵，T2为第二个像素的T矩阵，TC为第C个像素的T矩阵；每个卷积核输出一个极化SAR像素点到聚类中心的Wishart距离映射；多特征编码子网络采用三层空洞卷积来完成多尺度的特征学习，其中卷积核大小为3×3，三层卷积的空洞率分别为1，2，4，之后通过最大池化层来完成下采样，得到多尺度特征图；步骤4，将所述极化相干特征图和极化分解特征图进行逐像素叠加，从而实现特征融合后进行反卷积的上采样操作，经过一维卷积和Softmax函数后得到PolSAR的初始分类结果；步骤5，构建CRF的能量函数，将步骤4处理后的FCN网络的初始分类概率作为CRF能量函数中的一元势，将步骤4融合后的特征向量输入到CRF能量函数中，作为CRF能量函数中的二元势；并在CRF能量函数中增加边缘惩罚函数来平衡边界信息的比重，得到CRF修正的能量函数，具体步骤为：步骤5.1，构建CRF的能量函数：PolSAR图像中的全部标签变量形成随机场F＝{Fi:i＝1,2,…,K}，K代表像素的总数，PolSAR图像中某一像素点的类别标签用Fi表示；与此同时，变量T＝{Ti:i＝1,2,…,K}构成另一组随机场，PolSAR图像中像素点的颜色特征向量由Ti表示，则相应的条件随机场F,T表示为： 其中，ZT表示条件概率中的归一化函数，EF|T表示极化SAR伪彩图中颜色特征向量随机场为T和标签随机场F的势能函数，由于伪彩图中像素点分布T不变，因此将EF|T简化为EF，则对应的条件随机场能量函数表示为： 其中，一元势函数ψmfi＝-logPfi，用来表示来自FCN网络粗分类的输出结果，ψnfi,fj为两个随机变量fi,fj的二元势函数，表示两个相对敏感的纹理核函数和平滑核函数的加权和，公式表示如下： 上式中μfi,fj表示标签的兼容性函数，某一像素的位置向量以及颜色特征向量分别用L和Z表示；其中纹理核函数中的θα来控制像素之间的位置接近程度，θβ用来控制颜色相近的像素具有一致分类的尺度，平滑核函数中的θγ表示控制像素的位置信息，用于惩罚孤立的小区域或者噪声点；步骤5.2，在步骤5.1中CRF能量函数的基础上增加边缘惩罚函数来平衡边界信息的比重，其表达式如下：sei,ej＝exp-ei-ej2c26像素i，j的边缘强度用ei和ej来表示，c为归一化的常数来平衡边界惩罚的比重；如果ei和ej越接近，则sei,ej接近1，否则sei,ej接近0；即可以根据该项惩罚函数来决定强、弱边界的惩罚大小；结合4和6，得到的CRF修正的能量函数表达式为： 步骤6，对初始分类结果的每一个像素块通过CRF修正的能量函数进行修正，获得最终的PolSAR图像预测分类结果。

全文数据：

权利要求：

百度查询： 西安理工大学 基于双通道编码网络和条件随机场的遥感图像分类方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD