[發明專利]基于小波核稀疏LSSVM的極化SAR圖像分類方法

在審

• 申請號: 201410752417.3
• 申請日: 2014-12-09
• 公開（公告）號: CN104463213A
• 公開（公告）日: 2015-03-25
• 發明（設計）人: 焦李成;李玲玲;隋艷立;屈嶸;楊淑媛;侯彪;王爽;劉紅英;熊濤;馬文萍;馬晶晶
• 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

1.一種基于小波核稀疏LSSVM的極化SAR圖像分類方法，具體步驟如下：

(1)輸入一幅大小為3*3*N的待分類極化SAR圖像的相干矩陣，并采用7*7窗口大小的Lee濾波器濾除相干噪聲，得到濾波后的相干矩陣T，其中，濾波后的相干矩陣T中每個元素是一個3*3矩陣，N表示待分類的極化合成孔徑雷達SAR圖像像素點的總數；

(2)將濾波后相干矩陣T中每個元素對應的3*3矩陣，拉成一個1*9的特征向量，構成一個特征矩陣T¹；

(3)從特征矩陣T¹中隨機選擇5％的特征向量作為訓練樣本集X，剩余的95％作為測試樣本集Xt；

(4)選取Morlet小波核函數，并用該小波核函數將訓練樣本集X從原始空間映射到高維空間，得到高維空間中的訓練樣本集X¹；

(5)將高維空間中的訓練樣本集X¹和其對應的類別標簽集輸入到稀疏最小二乘支持向量機LSSVM分類器中，訓練出小波核稀疏最小二乘支持向量機LSSVM分類器；

(6)用小波核稀疏最小二乘支持向量機LSSVM分類器，對待分類的極化合成孔徑雷達SAR圖像中每個像素點進行標記，得到分類結果，完成分類。

2.根據權利要求1所述的基于小波核稀疏LSSVM的極化SAR圖像分類方法，其特征在于，所述步驟(4)中選取的Morlet小波核函數，計算公式如下：

K(xi,xj)=Πk=1l(cos(1.75×xik-xjka)exp(-||xik-xjk||222a2))]]>

其中，K(x_i,x_j)表示訓練樣本集X中訓練樣本x_i和x_j的核，i,j∈[1,n₀],n₀表示訓練樣本集X中的訓練樣本數，l表示訓練樣本的維數，a表示Morlet小波核參數，分別表示訓練樣本x_i、x_j的第k維值，表示訓練樣本x_i和x_j第k維之間歐式距離的平方。

3.根據權利要求1所述的基于小波核稀疏LSSVM的極化SAR圖像分類方法，其特征在于，所述步驟(5)中的小波核稀疏最小二乘支持向量機LSSVM分類器，其表示如下：

f(t)=sgn(Σi=1nαiyiΠj=1lcos(1.75tj-sija)exp(-12(tj-sija)2)+b)]]>

其中，t表示待分類樣本，f(t)表示待分類樣本t的分類結果，n表示支持向量個數，α_i表示第i個支持向量s_i對應的系數，y_i表示第i個支持向量s_i對應的類別標簽，l表示待分類樣本t的維數，a表示Morlet小波核參數，t^j表示待分類樣本t的第j維值，表示第i個支持向量s_i的第j維值，b表示偏置參數。