[發明專利]基于Cloude分解和K-wishart分布的極化SAR圖像分類方法

有效

• 申請號: 201210414789.6
• 申請日: 2012-10-25
• 公開（公告）號: CN102999761A
• 公開（公告）日: 2013-03-27
• 發明（設計）人: 王爽;侯小瑾;李崇謙;劉亞超;馬文萍;馬晶晶;劉坤;張濤
• 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

技術領域

本發明屬于圖像處理技術領域，涉及極化合成孔徑雷達SAR圖像地物分類，可用于對極化SAR圖像的地物分類和目標識別。

背景技術

合成孔徑雷達SAR是一種高分辨率主動式有源微波遙感成像雷達，具有全天候、全天時、分辨率高、可側視成像等優點，可應用于軍事、農業、導航、地理監視等諸多領域。與SAR相比，極化SAR進行的是全極化測量，能獲得目標更豐富的信息。近年來，利用極化SAR測量數據進行的分類在國際遙感領域受到高度重視，已成為圖像分類的主要研究方向。經典的極化SAR分類方法包括：

Cloude等人提出了基于Cloude目標分解的H/α非監督分類方法，見Cloude?S?R，Pottier?E．An?entropy?based?classification?scheme?for?land?applications?of?polarimetricSAR[J]．IEEE?Trans．Geosci．Remote?Sensing．1997，35(1)：549-557．該方法主要是通過Cloude分解獲取H和α兩個表征極化數據的特征，然后根據H和α組成的H/α平面人為的將其劃分為9個區域，去掉一個理論上不可能存在的區域，最終將圖像劃分為8類。H/α分類能合理地解釋分類結果的散射機理，而且不需要數據的先驗知識。但H/α分類存在的兩個缺陷：一個是分類邊界固定導致區域的劃分過于武斷；另一個是分類的類別數固定,對復雜區域分類缺乏靈活性，分類準確度低。

Lee等人提出了基于Cloude目標分解和Wishart分類器的H/α-Wishart非監督分類方法，見Lee?J?S，Grunes?M?R，Ainsworth?T?L，et?a1．Unsupervised?classification?usingpolarimetric?decomposition?and?the?comp?lex?Wishart?classifier[J]．IEEETrans．Geosci．Remote?Sensing．1999，37(5)：2249-2258．該方法是在原始H/α分類基礎上增加了Wishart迭代。H/α-Wishart分類方法分利用了極化數據的Wishart分布信息，使得極化信息利用更加全面，而且有了相似性度量，彌補了H/α分類固定邊界的缺點，分類效果明顯改善。并且迭代的引入，有效的提高了分類的精度。但是H/α-Wishart分類方法分不能很好的保持各類的極化散射特性。

J.S.Lee等基于Freeman分解于提出了一種基于Freeman-Durden分解的極化SAR圖像分類方法，見Lee?J?S，Grunes?M?R，Pottier?E，et?a1．Unsupervised?terrain?classificationpreserving?polarimetric?scattering?characteristic[J]．IEEE?Trans．Geosci．RemoteSensing．2004，42(4)：722-731．該方法主要是根據Freeman分解獲取的平面散射功率、二面角散射功率和體散射功率的大小對極化數據進行劃分，并對初始劃分進行類別合并，最后再利用Wishart分類器對每一個像素進行重新劃分。這種算法結合了Freeman分解和復Wishart分布，可以保持極化SAR的主要散射機制純凈性，但由于該方法中存在的多類別的劃分以及合并，因此其計算復雜度較高。

發明內容

本發明的目的在于針對已有技術的不足，提出一種基于Cloude和K-wishart分布迭代的極化SAR圖像分類方法，以提高分類的準確度，降低計算的復雜度。

為實現上述目的，本發明包括如下步驟：

(1)讀入一幅待分類的極化SAR圖像，對圖像中的每個像素點進行Cloude分解，得到熵H和散射角α；

(2)根據熵H和散射角α的值對極化SAR圖像進行初始劃分，將圖像劃分為8類；

(3)對整個極化SAR圖像的8類劃分結果進行K-wishart迭代，得到更為準確的分類結果：

3a)對整個極化SAR圖像的8類劃分結果，根據下式求每一類的聚類中心V_i：