[發明專利]基于卡方-棋盤距離度量的弱監督極化SAR分類方法

有效

• 申請號: 201710550325.0
• 申請日: 2017-07-07
• 公開（公告）號: CN107358256B
• 公開（公告）日: 2019-07-23
• 發明（設計）人: 楊淑媛;馬晶晶;趙慧;劉振;孟麗珠;李倩蘭;張聘婷;馮志璽;焦李成;劉芳
• 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.基于卡方-棋盤距離度量的弱監督極化SAR分類方法，包括:

(1)讀入一幅極化SAR待分類圖像數據，得到3×3的目標的極化相干矩陣T，以相干矩陣T作為輸入，進行Cloude-Pottier的目標分解，得到具有四維特征的極化矩陣X：

其中x_i為第i個樣本，N為樣本總數，P為回波強度參數，H為散射熵，α為散射角，A為各向異度；

(2)隨機從樣本集X中選取1％的樣本為訓練樣本集S,其余為測試樣本集T：

其中s_o是訓練樣本集的第o個樣本，o＝1,2,,n，t_j是測試樣本集的第j個樣本，j＝1,2,…,k，n為訓練樣本總數，n＝N×0.01,每類選取n_c個訓練樣本：n_c＝n/N_C，N_C為分類類別總數，k為測試樣本總數，k＝N-n；

(3)分步計算測試樣本t_j和訓練樣本s_o的卡方距離和空間棋盤距離d_chess(L,L′)：

d_chess(L,L′)＝max(|l₁-l′₁|,|l₂-l′₂|)，

其中s_om是s_o的第m維的取值，t_jm是t_j的第m維的取值，m＝1,2,3,4；

為訓練樣本s_o的空間坐標，為測試樣本t_j的空間坐標，l₁是s_o在空間中的橫坐標，l₂是s_o在空間中縱坐標，l′₁是t_j在空間中的橫坐標，l₂′是t_j在空間中的縱坐標；

(4)根據(3)的結果，計算測試樣本t_j與訓練樣本s_o的組合距離d(s_o,t_j)：

其中e^(·)表示取指數操作，ln(·)表示取對數操作；

(5)利用最近鄰分類器NN，計算測試樣本t_j與訓練樣本集S中每一個樣本的組合距離d(s_o,t_j)，得到距離集合{d_j1,d_j2,…,d_jξ,…,d_jn},將距離最小的d_jξ對應的訓練樣本s_ξ的標簽設為測試樣本t_j的標簽；

(6)重復上述(3)-(5)，對其余測試樣本預測標簽，最終實現極化SAR圖像分類。

2.根據權利要求1所述的方法，其中步驟(1)中以相干矩陣T作為輸入，進行Cloude-Pottier的目標分解，按如下步驟進行：

1a)對相干矩陣T進行如下特征分解：

其中λ_t是相干矩陣T的第t個特征值，t＝1,2,3，上標“*”表示共軛轉置，e_t是相干矩陣T正交化后的第t個單位特征矢量,v＝1,2,3；

1b)計算極化熵H：

其中為第w種散射機制發生的概率，w＝1,2,3；

1c)計算散射角α：

其中α_w是第w種散射機制的類型，w＝1,2,3；

1d)計算各向異度A：

其中p₂是第2種散射機制發生的概率，p₃是第3種散射機制發生的概率；

1e)計算回波強度參數P：

1f)根據1b)-1e)構建第i個樣本x_i的四維特征：

其中P為回波強度參數，H為散射熵，α為散射角，A為各向異度；

1g)其余樣本重復1f)得到具有四維特征的極化矩陣X：

其中N為樣本總數。