买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安邮电大学

摘要：本发明公开了一种基于物理和深度特征融合的极化SAR图像分类方法，主要解决现有方法过度依赖训练数据，忽略图像物理特征导致分类效果不理想的问题。包括：1输入极化SAR图像，提取其幅度、物理和频谱特征；2在特征金字塔网络基础上增加一个卷积通道，同时在两通道之间引入可学习的特征融合模块，实现对现有特征金字塔网络的改进；3利用改进后的特征金字塔网络获取物理与幅度特征的深度融合特征；4提取深度频谱特征，采用堆叠方式将其与深度特征进行融合；5通过Softmax分类器对最终的融合后特征进行分类，获取分类结果。本发明使物理知识集成到深度神经网络中，能够在标记样本有限的情况下，有效提高分类性能。

主权项：1.一种基于物理和深度特征融合的极化SAR图像分类方法，其特征在于，包括如下步骤：1输入待分类极化SAR图像的极化相干矩阵T数据及所对应的真实地物标签信息；2构建特征提取模块，用于提取极化SAR图像的幅度特征、物理特征和频谱特征；3以待分类极化SAR图像的每个像素为中心选取像素块，构建训练样本集DL和测试样本集DT；4构建改进后的特征金字塔网络，并获取融合特征：4.1在现有特征金字塔网络结构基础上增加一个通道，构建具有两支相同卷积结构的双通道特征金字塔网络，其输入为幅度特征和物理特征两种数据类型，且两种数据分别作为一个通道的输入；4.2在两个通道中均采用自底向上的卷积神经网络CNN获取不同尺度特征，得到从两种不同数据类型中提取的多层特征，即深度幅度特征和深度物理特征；4.3在双通道特征金字塔网络的两个通道之间引入可学习的特征融合模块，得到构建改进后的特征金字塔网络；具体是在两个通道的每层卷积之间增设一个可学习的特征融合模块，该模块包括卷积层、激活函数层和池化层，用于对通道中每层卷积操作提取出的深度幅度特征和深度物理特征进行特征融合和筛选，得到融合特征；4.4对所有一次融合特征，采用特征金字塔网络中自顶向下的网络进行再次融合，得到深度融合特征；5采用卷积神经网络对频谱特征进行卷积操作，获取深度频谱特征；6将深度融合特征和深度频谱特征采用堆叠方式进行特征融合，得到最终的融合后特征；7采用Softmax分类器对最终的融合后特征进行分类，实现分类模型的构建；8利用训练样本集DL训练分类模型，获得训练好的分类模型，并利用该模型对测试样本集DT的像素点进行类别预测，得到每个像素点的地物类别。

全文数据：

权利要求：

百度查询： 西安邮电大学 基于物理和深度特征融合的极化SAR图像分类方法