申请/专利权人：南京理工大学

申请日：2024-01-08

公开（公告）日：2024-04-05

公开（公告）号：CN117830745A

主分类号：G06V10/764

分类号：G06V10/764;G06V10/25;G06V10/26;G06V10/44;G06V10/82;G06N3/0455;G06N3/0464;G06N3/08;G06T9/00

优先权：

专利状态码：在审-实质审查的生效

法律状态：2024.04.23#实质审查的生效;2024.04.05#公开

摘要：本发明公开了一种基于极化散射编码和视觉Transformer的PolSAR图像地物分类方法，具有良好的分类准确率，该方法主要包括：1对原始PolSAR数据进行极化散射编码；2对极化散射编码的PolSAR数据进行图像块分割、预处理；3构建基于3D‑CNN和2D‑CNN的多层特征提取器，提取每个图像块的特征图；4构建视觉Transformer网络模型，并在一定比例的样本上训练；5利用训练好的模型对所有样本进行分类。本发明对PolSAR图像编码，完整保留了原始信息，结合两种网络模型的优势，获得了良好的分类准确率。

主权项：1.一种基于极化散射编码和视觉Transformer的PolSAR图像地物分类方法，其特征在于，包括以下步骤：步骤1：PolSAR图像极化散射编码操作；步骤2：将极化散射编码数据转化为尺寸为L×L，数量为N的图像块，划分训练数据集、测试数据集，再对所有编码后图像块进行随机排序、随机翻转、归一化处理；步骤3：以3D卷积神经网络和2D卷积神经网络为骨干网络构建多层卷积特征提取器；步骤4：将步骤2生成的N个训练数据集图像块输入特征提取器，提取出PolSAR图像的特征图块，总数为N；步骤5：构建视觉Transformer网络模型，包含线性映射层、层归一化模块、多层感知器模块、多头注意力模块，主体为由12个相同编码器子模块堆叠而成的Transformer编码器，每个编码器子模块包括一个多头注意力层和一个多层感知器模块；步骤6：将步骤4提取出的特征图中属于训练集的输入Transformer网络模型进行训练，经过一定次数的训练后，保存训练后的网络模型权重；步骤7：根据步骤6中训练后的网络模型权重初始化步骤5中的Transformer网络模型，对步骤2中划分好的测试数据集执行分类任务，得到测试数据集所有图像块每个像素的分类标签，与步骤2中对应的真实地物标签矩阵作对比，计算每个类别覆盖区域分类正确的像素数与该类别像素总数之比，得到分类结果的正确率，同时生成分类结果图像。

全文数据：

权利要求：

百度查询： 南京理工大学 基于极化散射编码和视觉Transformer的PolSAR图像地物分类方法

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