[發明專利]基于Freeman分解和譜聚類的極化SAR圖像分類方法

有效

• 申請號: 201210414790.9
• 申請日: 2012-10-25
• 公開（公告）號: CN102999762A
• 公開（公告）日: 2013-03-27
• 發明（設計）人: 焦李成;劉坤;郭衛英;李婷婷;王爽;馬晶晶;馬文萍;劉亞超;侯小瑾;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圖像地物分類領域的應用，具體的說是一種基于Freeman分解和譜聚類算法的極化SAR圖像分類方法，可用于對極化SAR圖像的地物分類和目標識別。

背景技術

隨著雷達技術的發展，極化SAR已成為SAR的發展趨勢，極化SAR能夠得到更豐富的目標信息，在農業、林業、軍事、地質學、水文學和海洋等方面具有廣泛的研究和應用價值，如地物種類的識別、農作物成長監視、產量評估、地物分類、海冰監測、地面沉降監測，目標檢測和海洋污染檢測等。極化圖像分類的目的是利用機載或星載極化傳感器獲得的極化測量數據，確定每個像素所屬的類別。經典的極化SAR分類方法包括：

Lee等人提出了基于H/α目標分解和Wishart分類器的非監督分類方法，見Lee?J?S，Grunes?M?R，Ainsworth?T?L，et?al.Unsupervised?classification?using?polarimetric?decomposition?and?the?complex?Wishart?classifier[J].IEEE?Trans.Geosci.Remote?Sensing.1999，37(5)：2249-2258.該方法主要是對H/α劃分后的8類利用Wishart分類器對每一個像素進行重新劃分，從而有效的提高分類的精度，但是該方法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分解的極化圖像非監督分類算法，見Lee?J?S，Grunes?M?R，Pottier?E，et?al.Unsupervised?terrain?classification?preserving?polarimetric?scattering?characteristic[J].IEEE?Trans.Geosci.Remote?Sensing.2004，42(4)：722-731.該方法主要是通過Freeman分解獲取表征散射體散射特性的的三個特征：平面散射功率、二面角散射功率和體散射功率，然后根據這三個特征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散射模型和復Wishart分布，具有保持多極化SAR的主要散射機制純凈性的特性，但是該方法無法解決混合散射機制的問題，并且由于Freeman分解中的多類的劃分以及合并，因而計算復雜度較高。

譜聚類算法是近年來國際上機器學習領域的研究熱點，與傳統的聚類算法相比，它具有能在任意形狀的樣本空間上聚類并且收斂于全局最優解的優點。然而該算法在應用到圖像分割領域時，計算量和存儲量是難以承受的，嚴重阻礙了該算法的性能發揮。并且采用高斯函數構造相似矩陣時，尺度參數對分類結構影響較大并且難以得到最優的參數，使圖像分割的穩定性下降。

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Freeman分解和譜聚類的極化SAR圖像分類方法，以提高分類效果。

為實現上述目的，本發明包括如下步驟：

1、一種基于Freeman分解和譜聚類的極化SAR圖像分類方法，包括如下步驟：

(1)對待分類的大小為R×Q極化SAR圖像進行濾波，去除斑點噪聲；

(2)對濾波后的極化SAR圖像中每個像素點的相干矩陣T進行Freeman分解，得到每個像素點的體散射功率P_v、二面角散射功率P_d和表面散射功率P_s；

(3)根據每個像素點的體散射功率P_v、二面角散射功率P_d和表面散射功率P_s，及像素點的坐標，用MeanShift算法對濾波后的圖像進行預分割，得到M個區域；

(4)在已獲得的M個區域上，將每個區域的中心點作為新的像素點Y_δ，得到M個新像素點，δ＝1，...,M，將這M個新像素點映射為具有M個節點的全連接圖，并對這個全連接圖按如下步驟進行譜聚類：

(4a)根據新像素點Y_δ的勢能函數，構造新的相似度矩陣A為：

新相似度矩陣A中的每一個元素A_ij為：