基于PCNN的海冰SAR图像分类系统

《基于PCNN的海冰SAR图像分类系统》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、万方数据高技术通讯2008年2月第18卷第2期基于PCNN的海冰SAR图像分类系统①纪永刚②张杰孟俊敏张汉德”(国家海洋局第一海洋研究所青岛26f瞄1)(’国家海洋局北海分局青岛266033)摘要简化和改进了脉冲耦合神经网络(PCNN)，建立了基于时间索引图的脉冲耦合神经网络海冰SAR图像分类器，用于海冰SAR图像的分割和海冰分类。在此基础上建立了基于人工解译的半自动海冰分类判读系统。将发展的分类器用于辽东海湾冰探测，结果表明这个分类器能够区分海冰和海水，识别不同海冰类型，且具有高效率。为了选择适合辽东湾海冰分类的PCNN参数，分析了链接半径、链接强度和索引图等级等参数，给出了

2、各参数合适的取值范围及调节原则。关键词脉冲耦合神经网络(PcNN)，合成孔径雷达(SAR)，辽东湾海冰海冰分类0引言合成孔径雷达(syntheticapertureradar，SAR)是遥感监测海冰的重要遥感器之一。利用SAR遥感技术可及时、准确地探测结冰区域，识别海冰和海水，提取海冰类型、海冰边缘线和冰间水道等信息，这对于预防海冰险情，保证海域油气资源的安全开发，具有重要意义。在过去的十几年中，由于引入了高分辨率SAR图像。海冰遥感探测得到了明显发展。在国外，美国国家海冰中心(NIC)、加拿大海冰管理中心(CIS)等，开展了大量的海冰遥感探测研究¨oJ，已达到业务化监测程度，

3、其中基于SAR图像纹理特征的海冰分类研究较多【铀J。国内在海冰SAR遥感探测方面的研究起步较晚，海冰SAR识别主要基于SAR图像的目视解译，对SAR图像海冰分类方法研究较少，针对这种情况，本文加强了这方面的研究，将脉冲耦合神经网络(pulse．coupledneuralne№d【，PCNN)用于了海冰SAR图像分类，建立了基于PCNN的海冰SAR图像分类判读系统，实现了海冰的快速分类，并用该系统区分了我国辽东湾海冰的类型。1基于时间索引图的PCNN海冰分类器脉冲耦合神经网络(PCNN)是一种不同于传统人工神经网络的新型神经网络，已被广泛地应用于图像平滑、分割以及边缘检测等图像处

4、理领域[7-10]。PCNN神经网络具有使相似输入的神经元同时发生脉冲点火的特点，能够弥补输入数据的空间不连贯和幅度上的微小变化，从而较完整地保留图像的区域信息，这对图像分割，特别是对存在斑点噪声的海冰SAR图像分割是非常有用的。且PCNN实现起来比一般的神经网络简单，网络只有三层，对图像的处理上更加方便、快捷。本文采用单调增长的阈值函数来简化PCNN，网络结构图见图1。简化后的PCNN的输入和可调参数比原始PCNN少，这使得网络算法的配置相对简单，比常规网络速度快，占用内存少。图1简化PCNN神经网络示意图由于常用PCNN输出的结果是按时间顺序排列的二值图像序列，这给后续处理

5、带来了困难。且很多简化PCNN的研究重点集中在如何选取最佳的迭①国家863计划(2001AA633080)资助项日。②墨，，+!叼．箩牛，博l：；研究方向：海洋微波遥感技术；通讯作者，E-mail：jiyonggang@gmail．㈣(收稿口期：2007-01-05)。·——190·-——万方数据纪永刚等：基于PCNN的海冰SAR图像分类系统代步数上，而最终结果也只是选取某一步的二值输出结果，没有充分利用每一步迭代的二值信息，这往往使得最终分类结果并不使人满意。方勇等[11]提出了时间索引图的概念，记录发生点火神经元位置上的点火时间作为当前索引值。这样当网络运行完毕时，所有的神

6、经元有且仅有一次点火。则输出图像信息是输入图像空间相邻的相似像素的整合结果，体现的是输入图像的整体视觉特征，特别适合于灰度分布重叠图像的处理。简化模型可以用如下的等式来表示：三盯【忍】=2二w缸％【n—l】(1)％【，l】=S玎(1+肛口[17,】)(2)咖，=矗叫嬲刖(3)Tdn，：{i_‘巧‘，l一11’芝：：；三：c4，其中，S是激励元输入，￡是链接部分，u是触发部分，y是二值输出，丁是动态阈值，i和．f表示行列坐标，形代表核函数，K和a分别是与r相联系的位势值和衰减常数，卢为联结强度。我们将时间索引图的PCNN引入海冰SAR图像的分割，在网络设置方面，首先输入图像x归一

7、化。根据迭代步数自动设置网络阈值，避免每次需要专门设计阈值查找表和整数化而带来的不便。在对PCNN进行简化的基础上，并提出了针对多种海冰类型分类的基于时间索引图的PCNN分类器。算法描述如下：初始化：①首先将输入图像x归一化到[01]之间；②计算迭代步数J7＼r；链接系数矩阵L=0；输出矩阵Y=O；索引图矩阵，每个元素值均为Ⅳ一l；点火矩阵Fire=0；阈值矩阵T=l；③计算链接系数：L=Y@形；其中，形为核函数，o表示卷积操作；④U=X·(1+肛)·(Fire<1)；对已经点火的神经元直接