本发明公开了一种相干斑模式起伏稳健的SAR图像分类方法,包括:获取待分类SAR图像;将待分类SAR图像输入训练后的SAR图像分类网络得到待分类SAR图像的分类结果,所述训练后的SAR图像分类网络对无相干斑噪声SAR图像以及对应的相干斑噪声SAR图像提取的特征描述矢量相似且分类结果相同。本发明通过正则约束对特征提取部分和分类器部分都做了约束,增强了对于相干斑噪声的鲁棒性。并且,与现有技术相比,无需进行数据增强,也无需设计特定的相干斑滤波方法。
1.一种相干斑模式起伏稳健的SAR图像分类方法,其特征在于,包括:S1、获取待分类SAR图像;S2、将待分类SAR图像输入训练后的SAR图像分类网络得到待分类SAR图像的分类结果,所述训练后的SAR图像分类网络对无相干斑噪声SAR图像以及对应的相干斑噪声SAR图像提取的特征描述矢量相似且分类结果相同;所述SAR图像分类网络包括特征提取模块及分类模块,其中:特征提取模块能够分别从无相干斑噪声SAR图像的输入x以及相干斑噪声SAR图像的输入x′提取特征描述矢量ψ(x)及ψ(x′);分类模块能够分别基于特征描述矢量ψ(x)及ψ(x′)得到对应的分类概率p(y|ψ(x))及p(y′|ψ(x′)),y和y′分别表示x和x′的分类标签;所述SAR图像分类网络的训练数据集为其中,xn表示第n个无相干斑噪声训练样本,表示对xn做视数为l的相干斑噪声扩展样本,yn为xn的标签,N为训练样本个数;所述SAR图像分类网络参数学习过程如下:式中,Wk和bk分别表示第k层的权值矩阵和偏置项;和分别表示xn和经所述SAR图像分类网络的分类损失函数;式中·和ln(·)分别表示内积运算和取自然对数变换,表示Softmax层输出的预测概率矢量,Yn表示yn基于One-Hot编码的标签矢量;表示xn和的特征描述矢量ψ(xn)和之间的距离约束代价函数,λ为正则项超参数;式中,表示二范数的平方。
本文链接:http://www.vipzhuanli.com/tech/sell/s_2311362.html,转载请声明来源钻瓜专利网。