[發明專利]基于稀疏動態集成選擇的SAR圖像地物分類方法

有效

• 申請號: 201210101134.3
• 申請日: 2012-04-07
• 公開（公告）號: CN102651073A
• 公開（公告）日: 2012-08-29
• 發明（設計）人: 緱水平;焦李成;莊廣安;周治國;劉芳;杜芳芳;張向榮
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06K9/62
• 分類號: G06K9/62
• 代理公司: 陜西電子工業專利中心 61205
• 代理人: 王品華;朱紅星

1.一種基于稀疏動態集成選擇的SAR圖像地物分類方法，包括以下步驟：

(1)對待分類SAR圖像的每一個像素點取M×N窗口進行3層平穩小波變換，提取小波能量特征；

(2)在待分類SAR圖像的每一類地物上隨機取像素點100個，然后將每一類地物所取像素點對應的小波能量特征提取出來，作為訓練數據Y；

(3)采用mean-shift算法對待分類圖像進行區域劃分，得到每一個像素點區域劃分后的標記，然后對每一區域的所有像素點對應的小波能量特征取均值，獲得待分類樣本集Y_s；

(4)利用訓練數據Y，以判別分析FDA分類器為基分類器C，采用bagging集成策略，得到分類器集成系統E＝{C_i?|i＝1，2，3，...，n}，n為分類器個數；

(5)從每一類訓練數據中選擇一批樣本作為初始字典，然后利用K-SVD算法進行訓練，得到訓練字典D_jj＝1，2，3，...，k，k為數據類別數，將所有的字典合并為一個字典D＝[D₁，D₂，...，D_k]；

(6)對字典D中每個原子d_j，j＝1，2，3，...，m，m為字典D中原子數目，按照K近鄰原則從訓練樣本集Y中選擇K近鄰樣本，得到近鄰樣本集合利用分類器集成E中的分類器對近鄰樣本集合中的樣本進行分類標記，并將標記結果與樣本標準標記做比較，為每一個原子從分類器集成E中選擇表現最好一組分類器，得到新的集成系統E_j′，

(7)利用字典D，對Y_s中所有待分類樣本用OMP算法進行稀疏表示，得到稀疏系數矩陣X；

minD,X||Ys-DX||F2s.t.∀i|Xi|0≤L]]>

其中L為稀疏度，X_i為稀疏系數矩陣X的第i列；

(8)對待分類樣本集Y_s中的待分類樣本依據用來稀疏表示的P個原子，P＜＝L，找到對應的P個集成系統E_j′，利用P個集成系統對待分類樣本進行標記，得到標記向量，然后將與待分類樣本對應的稀疏系數向量X_i中的P個非零系數取出，構成權重向量W＝{w_i}，i＝1，2，3，...P，接著將標記向量按照權重向量W加權求和，即得到待分類樣本的標記，逐步完成對分類樣本集Y_s中所有樣本的標記；

(9)將待分類樣本集Y_s中所有待分類樣本的標記與步驟(3)得到的每一個像素點區域劃分后的標記相對應，得到待分類SAR圖像中的每一個像素點的最終標記，即得到待分類SAR圖像的地物分類結果。