[發(fā)明專利]基于深度稀疏ICA的極化SAR圖像分類方法

有效

• 申請?zhí)枺?/td>: 201410613066.8
• 申請日: 2014-11-04
• 公開（公告）號: CN104463193B
• 公開（公告）日: 2017-10-24
• 發(fā)明（設(shè)計）人: 焦李成;劉芳;鄢蕾;楊淑媛;侯彪;馬文萍;王爽;劉紅英;熊濤
• 申請（專利權(quán)）人: 西安電子科技大學(xué)
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06K9/66
• 代理公司: 陜西電子工業(yè)專利中心61205
• 代理人: 王品華,朱衛(wèi)星

技術(shù)領(lǐng)域

本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，更進一步涉及極化合成孔徑雷達SAR圖像分類方法，可用于對極化SAR圖像的地物分類和目標(biāo)識別。

背景技術(shù)

極化SAR雷達能夠獲得豐富的目標(biāo)信息，在農(nóng)業(yè)、林業(yè)、軍事、地質(zhì)學(xué)、水文學(xué)和海洋等方面具有廣泛的研究和應(yīng)用價值，如地物種類的識別、農(nóng)作物成長監(jiān)視、產(chǎn)量評估、地物分類、海冰監(jiān)測、地物沉降監(jiān)測，目標(biāo)檢測和海洋污染檢測等。而極化SAR圖像分類又是極化SAR圖像處理的中的重要內(nèi)容，也是極化SAR圖像解譯的關(guān)鍵技術(shù)之一，它是將解譯系統(tǒng)中的前端部分單獨提取出來作為具體應(yīng)用的一個典型實例。快速、準(zhǔn)確的極化SAR圖像分類是實現(xiàn)各種實際應(yīng)用的前提。

首都師范大學(xué)在其專利申請“極化SAR圖像分類方法”(專利申請?zhí)枺?01310685303.7，授權(quán)公告號：CN103617427A)中提出了一種基于極化SAR圖像散射熵H、反熵A和散射角α的極化SAR分類方法。該方法首先提取極化SAR圖像的散射熵H、反熵A和散射角α并將其作為第一特征集，然后將所述極化SAR圖像分解為兩個子孔徑圖像，分別提取所述兩個子孔徑圖像的特征：散射熵H、反熵A和散射角α從而得到兩個子特征集(H₁,A₁,α₁)、(H₂,A₂,α₂)，并將所述的兩個子特征集中的各相應(yīng)特征的值相減，得到所述各相應(yīng)特征的差值的集合(ΔH,ΔA,Δα)作為第二特征集，最后將所述第一特征集和所述的第二特征集輸入到?jīng)Q策樹分類模型中，得到所述極化SAR圖像的分類結(jié)果。該專利技術(shù)雖然不僅利用了從極化SAR圖像本身提取的特征集合，同時利用了兩個子孔徑圖像提取的特征各相應(yīng)的差值的集合，即兩種不同類型的特征集合，使得所提取的特征相比于以往僅僅提取原極化SAR圖像的散射特征更加豐富，但是該技術(shù)仍然僅僅只是利用了單一的散射特征，而忽略了更加豐富的圖像的底層特征如紋理特征、顏色特征、空間位置關(guān)系等，這在一定程度上限制了極化SAR圖像分類精度的提高。

西安電子科技大學(xué)在其專利申請“基于SDIT和SVM的極化SAR圖像分類方法”(專利申請?zhí)枺?01410089692.1，授權(quán)公告號：CN103824084A)中提出了一種基于SDIT和SVM的極化SAR圖像分類方法。該方法首先對待分類的極化SAR圖像進行精致Lee濾波，然后提取圖像的散射、偏振及紋理特征，將得到的特征進行組合并歸一化，最后用歸一化后的特征訓(xùn)練分類器，預(yù)測分類并計算分類精度。該專利技術(shù)雖然充分利用了極化SAR圖像包含的豐富的紋理信息和偏振信息，彌補了僅僅依靠散射特性對極化SAR圖像分類的不足，在一定程度上提高了分類的精度，但仍然存在的不足是，該專利技術(shù)只是將所提取的散射、偏振和紋理信息進行簡單的堆疊，然后輸入SVM直接用于分類，這導(dǎo)致輸入的特征中包含較多的冗余信息，并且特征維數(shù)過高，使得分類效率大大下降。

發(fā)明內(nèi)容

本發(fā)明的目的在于針上對述現(xiàn)有技術(shù)的不足，提出一種基于深度稀疏ICA的極化SAR圖像分類方法。以充分利用極化SAR的散射特性和圖像的底層特征，提高分類的精度和分類效率。

本發(fā)明的技術(shù)方案是：對待分類的極化SAR圖像進行精致Lee濾波，提取圖像的散射、紋理、顏色及協(xié)方差矩陣特征作為原始特征；利用深度稀疏ICA方法提取原始特征的深度稀疏特征表示；用得到的深度稀疏特征表示訓(xùn)練分類器，用訓(xùn)練好的分類器對整幅待分類極化SAR圖像進行地物分類，對分類后的極化SAR圖像進行上色輸出。其實現(xiàn)步驟包括如下：

(1)輸入待分類的極化合成孔徑雷達SAR圖像T1和待分類SAR圖像的真實地物標(biāo)記圖像T2；

(2)采用精致Lee濾波方法，對待分類的極化SAR圖像T1進行濾波，去除斑點噪聲，得到濾波后的極化SAR圖像T1’；

(3)提取濾波后的極化SAR圖像T1’的散射、紋理、顏色及協(xié)方差矩陣特征；

(4)將散射特征、紋理特征、顏色特征及協(xié)方差矩陣特征組合成原始樣本特征集，并將該原始樣本特征集的值歸一化到0～1之間，進行白化處理；

(5)選取無標(biāo)簽樣本集，訓(xùn)練樣本集和測試樣本集；

5a)在白化處理過的原始樣本特征集中隨機選取2％的樣本特征作為無標(biāo)簽樣本集X_{un_0}；