CN104915676A - 基于深层特征学习和分水岭的sar图像分类 - Google Patents

Abstract

本发明公开了一种基于深层特征学习和分水岭的SAR图像分类，它属于图像处理技术领域，主要解决中低层特征应用于SAR图像分类易产生场景错分，区域一致性性差，边界有毛刺的问题。其分类过程为：对输入的SAR图像计算分水岭过分割类标L；计算输入的SAR图像伽马(Gabor)特征F₁；对F₁采样后输入到奇异值分解(KSVD)算法得到训练字典D；将F₁与D进行卷积与最大值池化，得到卷积特征F₂；然后将F₂输入到稀疏自编码器中获到深层特征F₃；将F₃输入到SVM中分类，获得分类结果R₁；在分水岭分割结果L的每个子块位置对R₁进行投票统计，获得最终分类结果。本发明具有运算速度快，边缘分类精确，区域一致性好的优点，可用于SAR目标识别。

Description

基于深层特征学习和分水岭的SAR图像分类

技术领域

本发明属于图像处理领域，特别是一种涉及SAR图像分类的方法，可应用于目标识别。

背景技术

合成孔径雷达(SAR)是一种全天时，全天候对地球进行探测和侦察的高分辨微波成像雷达。SAR能有效识别伪装和穿透掩盖物，因此在遥感测绘、军事侦察、抗震救灾等军事和民用领域得到了广泛应用。SAR图像具有丰富的纹理信息、较强的乘性相干斑噪声等特点。在SAR图像的成像过程中,不同的地物有不同的后向反射和散射特性,从而呈现不同的纹理，因此SAR图像中常常会包含有丰富的纹理信息。另一方面，由于SAR采用的是相干成像体制，使得成像后的SAR图像不可避免的受到相干斑噪声的影响，从而隐藏或减弱SAR图像中的精细结构，为SAR图像的理解与解译带来困难甚至错判。SAR图像分类是SAR图像解译中基本而关键的技术之一，因此SAR图像分类技术研究是一个具有非常大的研究价值的挑战性课题。

目前SAR图像分类技术发展状况可归纳如下：

基于模型驱动的分类方法。需要对SAR图像数据进行数学建模。主要包括概率统计分布模型和马尔可夫随机场模型，以及优化模型等。SAR强度图像的统计特性通常被建模为Gamma概率分布，但Gamma分布只符合分辨率较低时大部分自然场景的统计特性，随着SAR图像分辨率的提高，SAR图像的统计特性不在完全符合Gamma分布。目前已有许多不同的统计模型应用于SAR图像，如经验分布模型：Weibull分布，Fisher分布等；基于SAR图像乘积模型的统计分布模型：k分布，Beta分布，Gaussian分布等。目前基于马尔可夫场的SAR图像分类方法中广泛应用由SAR图像乘积模型发展而来的概率统计分布模型。但是，所有的统计模型只能够描述具有简单内容，场景类型较少的区域。对于具有复杂内容，场景类型较多的大尺度SAR图像，使用较少参数的统计模型来描述整幅图像是不可行的。

基于数据驱动的分类方法。直接利用SAR图像灰度，纹理等信息进行分类处理。目前已经存在许多不同的SAR图像分类方法，例如边缘检测方法、基于区域的方法、聚类方法等。特征提取和表示是SAR图像分类技术一个至关重要的步骤。目前SAR图像的纹理特征表示方法主要包括灰度共生矩阵(GLCM)、Gabor滤波、马尔可夫特征等。虽然Gabor滤波能够提取SAR图像不同频率，不同方向的特征，但由灰度共生矩阵计算的熵，相关性等统计特征能够更好的分类SAR图像。因此产生了将Gabor滤波和灰度特征进行融合，原因是Gabor能够捕获低频纹理信息，GLCM和高频带响应相关。但特征融合的同时使得特征向量的维度过高，并且由于特征内部具有很强的互相关性，因此分类正确率仅有些许提高。

挖掘中层特征的图像分类方法。近年来，基于视觉词袋模型的分类方法得到了广泛关注。该方法将局部特征量化为基于区域的直方图特征，并将其作为中层特征进行分类。Sheng Xu等人将经典的词袋模型应用到了航空图像分类中，分类效果由于基于低层特征的分类方法，参见Sheng Xu,Tao Fang.Object classification of aerial images with bag-of-visual words,IEEE Geoscience and Remote Sensing Letters,2010,7(2):366-370。随后，Jie Feng等人对词袋模型做出了改进，将该方法推广到了SAR图像分类中，提出了基于克隆选择算法的视觉词袋模型，参见Jie Feng and L.C.Jiao.Bag-of-Visual-Words Based on Clonal Selection Algorithm for SAR Image Classification,2011:691-695。该方法从优化的角度构建了更加适于分类的视觉单词，分类效果得到了明显提升。

随着视觉词袋模型的发展与不断改进，图像分类正确率的仅能得到些许改进。并且由于SAR图像的分类是面向单幅图像的场景分类，应用词袋模型需首先对图像进行初始过分割，使得最终分类结果对初始分割算法非常敏感，初始分割能否保持保持SAR图像的边缘和细节信息等直接影响到最终的分类效果。另一方面，视觉单词的构建是整个分类过程至关重要的一步，应用最广泛的k均值聚类算法受初始化影响严重，一旦初始值选择不好，可能无法得到有效的聚类中心，从而使词袋中的每个单词缺乏代表性。

发明内容

本发明意在解决现有挖掘中层特征的SAR图像分类技术的缺陷，提出了一种基于深度学习和分水岭的SAR图像分类方法。利用局部特征的卷积特性和稀 疏自编码器来挖掘SAR图像潜在的本质特性，并融合改进的分水岭算法，从而提高边缘分辨精度和区域一致性。

实现本发明的技术方案是：应用新颖的KSVD字典与低层特征的卷积特性，挖掘低层特征的潜在属性，然后利用稀疏自编码器挖掘高层特性，增强特征之间的对比度，同时结合改进的分水岭的算法，有效克服了原有基于中层特征分类方法分类不精确的缺陷。其具体实现过程如下：

(1)对输入的SAR图像进行分水岭过分割，得到分割类标L＝{L₁,L₂,...,L_M}，其中M值为分水岭分割的总块数，L_m为第m个子块类标，m∈[1,M]；

(2)对输入的SAR图像进行加窗傅里叶(Gabor)变换得到低层特征F₁＝[I₁；I₂；...；I_N]，其中N表示输入的SAR图像中的像素个数，I_n表示每个像素点提取的特征向量，n∈[1,N]；

(3)分别对输入的SAR图像中每类场景中的像素点的Gabor特征向量进行随机采样，得到训练样本Y＝[Y₁；Y₂；...；Y_C]，然后对Y₁进行奇异值分解(KSVD)，得到的聚类中心作为字典D＝[D₁,D₂,...,D_K]，其中Y_c为采样得到的第c类场景的Gabor特征，D_k表示对Y进行KSVD聚类后得到的第k个聚类中心，C表示输入的SAR图像中的场景类别数，K表示KSVD中的聚类中心数，K的取值远大于图像中的场景类别数C，c∈[1,C]，k∈[1,K]；

(4)将Gabor变换得到低层特征中每个像素点提取的特征向量I_n与字典D中每个聚类中心D_k进行卷积，然后再应用最大值池化进行降维，得到的卷积特征F₂作为中层特征；

(5)将卷积特征F₂输入到稀疏自编码器中，得到编码系数W₁＝[S₁,S₂,...,S_H]然后将卷积特征F₂与编码系数W₁相乘，得到深层特征F₃，其中S_h为每个隐藏层结点的编码系数，H为隐藏层结点个数，h∈[1,H]。

(6)将F₃输入到支持矢量机(SVM)中进行分类，获得分类结果R₁，共分为C类场景；

(7)在分水岭过分割结果的分割类标L的每个子块类标L_m位置对R₁进行投票，统计R₁在L_m位置出现次数最多的场景值c，并将L_m位置全部更新为该场景值c，从而得到最终分类结果。

本发明与现有技术相比具有以下优点：

1、本发明采用KSVD训练字典，该算法是对原有K-means算法的扩展，能 够最大化发挥每个字典原子自身的作用；

2、本发明将低层特征与字典进行卷积，充分挖掘低层特征的本质属性；

3、本发明采用稀疏自编码器挖掘高层的抽象特征，能够强化每个像素点的特征，提高不同场景之间的对比度，增强了算法的鲁棒性；

4、本发明将深度的分类结果在改进的分水岭分割结果中进行统计，使得本发明能够有效分类具有不同纹理大小的场景，提高区域一致性；

5、仿真结果表明，本发明方法较原有的中层特征分类方法能够更加有效的对SAR图像进行分类。

附图说明

图1是本发明的算法流程图；

图2是稀疏自编码器示例图；

图3是本发明在一幅两类简单地物SAR图像上的仿真结果图；

图4是本发明在一幅包含城市复杂区域SAR图像上的仿真结果图；

图5是本发明在一幅包含森林复杂区域SAR图像上的仿真结果图。

具体实施方式

参照图1，本发明的具体实施步骤如下：

步骤一、对输入的SAR图像进行分水岭过分割，得到分割类标L＝{L₁,L₂,...,L_M}，其中M值为分水岭分割的总块数，L_m为第m个子块类标，m∈[1,M]。

过分割即M的取值远大于图像的类别数，但能够保证每个子块内所有像素点必定属于图像同一类别。

该步骤的具体过程如下：

(1a)对输入的SAR图像进行伽马(Gamma)滤波，得到平滑后的图像I；

(1b)计算I的边缘检测经典算子(prewitt算子)的梯度图G₁；

(1c)对梯度图G₁进行重构得到梯度图G₂，重构规则为G₁中设置阈值t约束极大值区域；

(1d)对梯度图G₂进行分水岭过分割，得到分割类标L＝{L₁,L₂,...,L_M}。

步骤二、对输入的SAR图像进行加窗傅里叶(Gabor)变换得到低层特征F₁＝[I₁；I₂；...；I_N]，其中N表示输入的SAR图像中的像素个数，I_n表示每个像素点提取的特征向量，n∈[1,N]；

将待分类的SAR图像每个像素点n在5*5的窗口内进行六个尺度(f＝7.87694.53104.09603.90843.58042.6806)，三个方向(θ＝0°,60°,120°)的Gabor小波变换，并取变换后均值和方差作为该像素点特征向量I_n，I_n的维度大小为1*36。

步骤三、分别对输入的SAR图像中每类场景中的像素点的Gabor特征向量进行随机采样，得到训练样本Y＝[Y₁；Y₂；...；Y_C]，然后对Y进行奇异值分解(KSVD)，得到的聚类中心作为字典D＝[D₁,D₂,...,D_K]，其中Y_c为采样得到的第c类场景的Gabor特征，D_k表示对Y进行KSVD聚类后得到的第k个聚类中心，C表示输入的SAR图像中的场景类别数，K表示KSVD中的聚类中心数，K的取值远大于图像中的场景类别数C，c∈[1,C]，k∈[1,K]；

该步骤的具体过程如下：

(3a)对低层特征F₁进行采样，每类场景采样50个像素点的Gabor特征向量，得到训练样本Y＝[Y₁；Y₂；...；Y_C]，Y_c的维度是50*36；

(3b)选择Y的前K个像素点的特征向量来初始化字典D；

(3c)利用正交匹配追踪(OMP)算法得到字典D上的稀疏系数矩阵X；

(3d)根据系数矩阵X对字典D进行K次迭代，更新字典D，更新规则为优化目标函数：

每次迭代对E_k进行奇异值(SVD)分解并更新D_k，使得目标函数值最小，其中E_k为去掉字典D_k后的重构误差，T为稀疏表示系数X中非零的数目的上限。

步骤四、将Gabor变换得到低层特征中每个像素点提取的特征向量I_n与字典D中每个聚类中心D_k进行卷积，然后再应用最大值池化进行降维，得到的卷积特征F₂作为中层特征；。

将SAR图像中每个像素点的Gabor特征向量I_n与字典D中每个中心D_k进行卷积，由于I_n分别与K个聚类中心D_k进行卷积，每个像素点的特征从1*36维变化为K*36维，由于每个像素点的特征维度变大，并且考虑图像的静态特性，可以对由I_n与D卷积得到的特征进行最大值聚合，即最大值池化方法，从而得到卷积特征F₂，并将其作为中层特征。

步骤五、将卷积特征F₂输入到稀疏自编码器中，得到编码系数 W₁＝[S₁,S₂,...,S_H]，然后将卷积特征F₂与编码系数W₁相乘，得到深层特征F₃，其中S_h为每个隐藏层结点训练得到的系数，H为隐藏层结点个数,h∈[1,H]；

稀疏自编码器是一种无监督学习算法，包含输入层，隐藏层，输出层。优化目标是输出值等于输入值，即xⁱ＝zⁱ，即尝试逼近一个恒等函数，使输出接近于输入，图2是稀疏自编码器的一个示例。输入数据中隐含一定的特定结构，而隐藏层可以学习到数据的稀疏表示，即为学习到的新特征。由于输入的特征向量均为1*36维，因此这里输入层结点数为36，隐藏层结点数设为25，输出层结点数为36。

该过程分具体步骤如下：

(5a)首先对输入的卷积特征F₂进行编码，编码函数f(x)为一个线性映射和非线性激活函数g(x)：

αⁱ＝f(x)＝g(W₁xⁱ+b₁)          (1) 

g(x)＝(1+exp(-x))^-1         (2) 

其中αⁱ表示隐藏层神经元i的激活度，W₁表示输入层与隐藏层之间的权值系数，b₁为隐藏层偏置，i∈[1,H]；

(5b)对隐藏层输出进行解码，解码函数为zⁱ：

$z^i=g(W_2^T\·{\mathrm{\α}}^i+b_2)---\left(3\right)$

其中W₂为隐藏层到输出层的权值系数，b₂为输出层偏置；

(5c)调整网络中的层与层之间的权值系数W₁、W₂，偏置b₁、b₂，使得解码后的重构误差最小，该过程通过优化损失函数J来调整参数

$J(X,Z)=\frac{1}{2}\underset{i=1}{\overset{m}{\Σ}}\left|\right|x^i-z^i|{|}^2+\frac{\mathrm{\λ}}{2}|\left|W\right|{|}^2---\left(4\right)$

xⁱ，zⁱ分别为稀疏自编码器的输入和输出，m为输入层和隐藏层的节点数，λ为惩罚系数，取值为0.0001,W为需要调整的权值系数。

稀疏编码器通过约束隐藏层神经元之间的稀疏性，使得大部分隐藏层神经元未被激活，其状态为0，即对输入没有响应，从而学习到最感兴趣的目标特征，该约束为：

$J\left(X,Z\right)+\mathrm{\β}\underset{j=1}{\overset{K}{\Σ}}KL\left(\mathrm{\ρ}\right|\left|\widehat{\mathrm{\ρ}}\right)---\left(5\right)$

$KL\left(\mathrm{\ρ}\left|\right|\widehat{\mathrm{\ρ}}\right)=\mathrm{\ρ}log\frac{\mathrm{\ρ}}{\widehat{\mathrm{\ρ}}}+\left(1-\mathrm{\ρ}\right)log\frac{1-\mathrm{\ρ}}{1-\widehat{\mathrm{\ρ}}}---\left(6\right)$

β为另一惩罚系数，这里其取值为3，ρ是稀疏性系数，通常是一个接近于0的较小值，这里取值为0.01，表示隐藏层神经元在训练集上的平均激活度；

(5d)将卷积特征F₂与优化后的编码系数W₁相乘，得到深层特征F₃。

步骤六、对F₃进行随机采样，然后输入到支持矢量机(SVM)中进行分类，获得分类结果R₁，共分为C类场景；

对SAR图像的每类场景进行随机采样，并将采样点的深层特征F₃作为训练数据，输入到SVM中进行训练和分类，得到分类结果R₁,将图像分为C类场景。

步骤七、在分水岭过分割结果的分割类标L的每个子块类标L_m位置对R₁进行投票，统计R₁在L_m位置出现次数最多的场景值c，并将L_m位置全部更新为该场景值c，从而得到最终分类结果R。

在步骤一中得到的分水岭过分割结果的分割类标L中每个子块L_m位置上统计步骤六中分类结果R₁的取值，并将该子块L_m对应位置全部赋值为R₁在该子块位置上出现次数最高的场景值c，从而得到最终分类结果R。该步骤能够弥补步骤六的分类结果R1中个别像素点错分的情况，使最终分类结果更加均匀。

本发明的的效果可通过以下仿真进一步说明：

1仿真内容：应用本发明方法和挖掘中层特征分类的两个算法：k-means词袋模型(k-BOV)分类方法、克隆选择词袋模型(CSA-BOV)分类方法分别对三幅SAR图像分类实验，并从方向信息的准确性、同质区域的内部一致性、边缘边界的清晰性评价这些方法的各自性能。

2仿真实验结果 

A两类简单地物SAR图像的实验结果

用本方法以及k-BOV方法，CSA-BOV方法对两类简单地物背景SAR图像进行分类，其效果比较如图3所示。其中图3(a)为两类简单地物SAR图像原图，该SAR图像纹理信息简单，仅有两类简单的地物组成；图3(b)为k-BOV方法对图3(a)进行分类得到的结果；图3(c)为CSA-BOV方法对图3(a)进行分类得到的结果；图3(d)为本发明方法对图3(a)进行分类得到的结果。由图3可见，本发明方法错分率最小，且区域一致性效果最好，边缘保持良好。

相比之下，k-BOV分类方法将一些背景和河流错分。CSA-BOV方法较k-BOV有了一定的改进，但背景和河流的边界分类模糊，这一结果是由于词袋模型中视觉单词未能有效区分不同类别之间的特征。

B包含森林复杂区域SAR图像的实验结果

用本发明以及k-BOV方法，CSA-BOV方法对含有森林复杂区域SAR图像进行分类，其效果比较如图4所示。其中图4(a)为包含森林复杂区域SAR图像原图；图4(b)为k-BOV方法对图4(a)进行分类得到的结果；图4(c)为CSA-BOV方法对图4(a)进行分类得到的结果；图4(d)为本发明方法对图4(a)进行分类得到的结果。由图4可见本发明对含有森林复杂纹理的SAR图像能够保持较好的区域一致性，且对弱边缘分类正确，对小目标提取完整。而k-BOV错误的将很多背景区域分为森林，且边缘不平滑，分类效果较差。CSA-BOV方法将很多森林和草地错分，从而影响了分类正确率。

C包含城市复杂区域SAR图像的实验结果

用本发明以及k-BOV方法，CSA-BOV方法对含有城市复杂区域SAR图像进行分类，其效果比较如图5所示。其中图5(a)为包含城市复杂区域SAR图像原图；图5(b)为k-BOV方法对图5(a)进行分类得到的结果；图5(c)为CSA-BOV方法对图5(a)进行分类得到的结果；图5(d)为本发明方法对图5(a)进行分类得到的结果。由图5可见本发明对含有城市复杂纹理的SAR图像分类效果良好，能够将图像中的弱边缘区域分类准确，同时城市区域分类精确，能够保持其细节边缘。而k-BOV方法在轨道和路面边界处出现很多毛刺，并错误的将城市边缘黑暗的区域错分为城市。CSA-BOV方法较k-BOV方法在边缘保持上有了一定的改进，但城市区域分类结果仍比原图中城市区域大，错误地将很多不连通的城市区域合并为了一类。

Claims (7)

1.一种基于深层特征学习和分水岭的SAR图像分类方法，包括如下步骤：

1)对输入的SAR图像进行分水岭过分割，得到分割类标L＝{L₁,L₂,...,L_M}，其中M值为分水岭分割的总块数，L_m为第m个子块类标，m∈[1,M]；

2)对输入的SAR图像进行加窗傅里叶(Gabor)变换得到低层特征F₁＝[I₁；I₂；...；I_N]，其中N表示输入的SAR图像中的像素个数，I_n表示每个像素点提取的特征向量，n∈[1,N]；

3)分别对输入的SAR图像中每类场景中的像素点的Gabor特征向量进行随机采样，得到训练样本Y＝[Y₁；Y₂；...；Y_C]，然后对Y进行奇异值分解(KSVD)，得到的聚类中心作为字典D＝[D₁,D₂,...,D_K]，其中Y_c为采样得到的第c类场景的Gabor特征，D_k表示对Y进行KSVD聚类后得到的第k个聚类中心，C表示输入的SAR图像中的场景类别数，K表示KSVD中的聚类中心数，K的取值远大于图像中的场景类别数C，c∈[1,C]，k∈[1,K]；

4)将Gabor变换得到低层特征中每个像素点提取的特征向量I_n与字典D中每个聚类中心D_k进行卷积，然后再应用最大值池化进行降维，得到的卷积特征F₂作为中层特征；

5)将卷积特征F₂输入到稀疏自编码器中，得到编码系数W₁＝[S₁,S₂,...,S_H]，然后将卷积特征F₂与编码系数W₁相乘，得到深层特征F₃，其中S_h为每个隐藏层结点训练得到的系数，H为隐藏层结点个数,h∈[1,H]；

6)将深层特征F₃输入到支持矢量机(SVM)中进行分类，获得分类结果R₁，共分为C类场景；

7)在分水岭过分割结果的分割类标L的每个子块类标L_m位置对R₁进行投票，统计R₁在L_m位置出现次数最多的场景值c，并将L_m位置全部更新为该场景值c，从而得到最终分类结果R。

2.根据权利要求1所述的图像分类方法，其中步骤1)包括：

1a)对输入的SAR图像进行伽马(Gamma)滤波，得到平滑后的图像I；

1b)计算I的边缘检测经典算子(prewitt)算子的梯度图G₁；

1c)对梯度图G₁进行重构得到梯度图G₂，重构规则为G₁中设置阈值t约束极大值区域；

1d)对梯度图G₂进行分水岭过分割，得到分割类标L＝{L₁,L₂,...,L_M}。

3.根据权利要求1所述的图像分类方法，其中步骤5)包括：

5a)首先对输入的卷积特征F₂进行编码，编码函数f(x)为一个线性映射和非线性激活函数g(x)：

αⁱ＝f(x)＝g(W₁xⁱ+b₁)  (1)

g(x)＝(1+exp(-x))^-1  (2)

其中αⁱ表示隐藏层神经元i的激活度，W₁表示输入层与隐藏层之间的权值系数，b₁为隐藏层偏置，i∈[1,H]；

5b)对隐藏层输出进行解码，解码函数为zⁱ：

$z^i=g(W_2^T\·{\mathrm{\α}}^i+b_2)---\left(3\right)$

其中W₂为隐藏层到输出层的权值系数，b₂为输出层偏置；

5c)调整网络中的层与层之间的权值系数W₁、W₂，偏置b₁、b₂，使得解码后的重构误差最小，该过程通过优化损失函数J来调整参数

$J(X,Z)=\frac{1}{2}\underset{i=1}{\overset{m}{\mathrm{\Σ}}}\left|\right|x^i-z^i{\left|\right|}^2+\frac{\mathrm{\λ}}{2}\left|\right|W{\left|\right|}^2---\left(4\right)$

xⁱ，zⁱ分别为稀疏自编码器的输入和输出，m为输入层和隐藏层的节点数，λ为惩罚系数，取值为0.0001,W为需要调整的权值系数；

稀疏编码器通过约束隐藏层神经元之间的稀疏性，使得大部分隐藏层神经元未被激活，其状态为0，即对输入没有响应，从而学习到最感兴趣的目标特征，该约束为：

$J(X,Z)+\mathrm{\β}\underset{j=1}{\overset{K}{\mathrm{\Σ}}}\mathrm{KL}\left(\mathrm{\ρ}\right|\left|\widehat{\mathrm{\ρ}}\right)---\left(5\right)$

$\mathrm{KL}\left(\mathrm{\ρ}\right|\left|\widehat{\mathrm{\ρ}}\right)=\mathrm{\ρ}\log \frac{\mathrm{\ρ}}{\widehat{\mathrm{\ρ}}}+(1-\mathrm{\ρ})\log \frac{1-\mathrm{\ρ}}{1-\widehat{\mathrm{\ρ}}}---\left(6\right)$

β为另一惩罚系数，ρ是稀疏性系数，通常是一个接近于0的较小值，表示隐藏层神经元在训练集上的平均激活度，

5d)将卷积特征F₂与优化后的编码系数W₁相乘，得到深层特征F₃。

4.根据权利要求1所述的图像分类方法，优选地，阈值t的取值20。

5.根据权利要求1所述的图像分类方法，优选地，λ的取值0.0001。

6.根据权利要求1所述的图像分类方法，优选地，ρ的取值0.01。

7.根据权利要求1所述的图像分类方法，优选地，β的取值3。