[發(fā)明專利]基于特征值分布統(tǒng)計(jì)特性的極化SAR圖像分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201110049008.3
• 申請(qǐng)日: 2011-03-01
• 公開(kāi)（公告）號(hào): CN102122352A
• 公開(kāi)（公告）日: 2011-07-13
• 發(fā)明（設(shè)計(jì)）人: 緱水平;焦李成;喬鑫;王爽;吳建設(shè);朱虎明;李陽(yáng)陽(yáng);費(fèi)全花
• 申請(qǐng)（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號(hào): G06K9/62
• 分類號(hào): G06K9/62
• 代理公司: 陜西電子工業(yè)專利中心 61205
• 代理人: 王品華;朱紅星

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及極化SAR圖像分類，可用于雷達(dá)目標(biāo)檢測(cè)和目標(biāo)識(shí)別。

背景技術(shù)

合成孔徑雷達(dá)SAR是利用合成孔徑原理提高方位分辨率，利用脈沖壓縮技術(shù)提高距離分辨率，從而獲得比真是孔徑雷達(dá)更好的性能。極化SAR屬于SAR的范疇，相比于傳統(tǒng)的SAR，它利用多通道收發(fā)電磁波技術(shù)，通過(guò)對(duì)其不同通道的解譯，可以獲得對(duì)目標(biāo)更全面的認(rèn)識(shí)。對(duì)極化SAR圖像的理解和解譯屬于圖像處理范疇，還涉及信號(hào)處理，模式識(shí)別及機(jī)器學(xué)習(xí)等眾多學(xué)科。極化SAR圖像分類作為極化SAR圖像處理的關(guān)鍵環(huán)節(jié)之一，在國(guó)防和民用領(lǐng)域正受到越來(lái)越廣泛的關(guān)注。現(xiàn)有的極化SAR圖像分類方法大致可以分為基于散射特性的方法和基于統(tǒng)計(jì)特性方法，如基于freeman分解的分類方法和基于散射熵、散射角的分類方法等。

其中，基于統(tǒng)計(jì)特性的極化SAR圖像分類方法，是將極化SAR圖像中具有某方面相似特征的像素點(diǎn)劃分為一類，已經(jīng)有很多成熟的分類算法被用到極化SAR圖像分類中。作為一門新興學(xué)科，目前主要的研究工作集中在散射特征的提取和適合極化SAR圖像分類的分類器設(shè)計(jì)上。不同極化散射特征的提取方法得到不同的特征，不同的特征又適合于不同性能的分類器。現(xiàn)有的特征提取方法主要有freeman分解和cloud分解方法；典型的分類器有Wishart分類器和H/alpha分類器等。其中，利用freeman分解方法得到特征對(duì)極化SAR圖像進(jìn)行分類時(shí)，存在對(duì)特征分布特性認(rèn)知上的不足；利用H/alpha分類器進(jìn)行類別判定時(shí)，存在類別判決界限需要人為確定的不足，這些不足限制了其在極化SAR圖像分類上的廣泛應(yīng)用。

發(fā)明內(nèi)容

本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出了一種基于特征值分布特性的極化SAR圖像分類方法，以明確特征的分布特性，避免類別判決界限需要人為確定的問(wèn)題。

實(shí)現(xiàn)本發(fā)明目的個(gè)技術(shù)方案是通過(guò)研究分析特征值的分布特性，結(jié)合貝葉斯分類對(duì)極化SAR圖像進(jìn)行分類，其步驟包括如下：

(1)對(duì)待分類極化SAR圖像的所有像素點(diǎn)進(jìn)行特征值分解；

(2)分別對(duì)每個(gè)像素點(diǎn)分解得到的特征值λ₁，λ₂，λ₃進(jìn)行排序，使λ₁≥λ₂≥λ₃；

(3)從待分類極化SAR圖像中依據(jù)實(shí)際地物分布，人工構(gòu)造待分類極化SAR圖像中k類勻質(zhì)區(qū)域集合：C＝{C₁，...，C_k}，并提取出所選取k類勻質(zhì)區(qū)域的特征值；

(4)采用EM算法分別對(duì)k類勻質(zhì)區(qū)域的特征值λ₁，λ₂，λ₃的高斯混合模型參數(shù)進(jìn)行估計(jì)，得到每類勻質(zhì)區(qū)域的各個(gè)特征值的概率密度分布函數(shù)：其中λ為某類勻質(zhì)區(qū)域的某個(gè)特征值、ω為高斯函數(shù)的混合權(quán)重、μ為均值參數(shù)、σ為方差參數(shù)、m為高斯函數(shù)的混合個(gè)數(shù)、μ_i為第i個(gè)高斯函數(shù)的均值，σ_i為第i個(gè)高斯函數(shù)的方差，i＝1，2，...，k；

(5)利用步驟4求得的每類勻質(zhì)區(qū)域的各個(gè)特征值的概率密度分布函數(shù)，計(jì)算每類勻質(zhì)區(qū)域的特征值聯(lián)合概率密度分布函數(shù)：

p(x|x∈Ci)=Πj=13p(λj|μ,σ),]]>

其中，x為勻質(zhì)區(qū)域C_i中的像素點(diǎn)，λ_j為像素點(diǎn)x的第j個(gè)特征值，i＝1，2，...，k，j＝1，2，3；