[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

本發明公開了一種基于卡方?棋盤距離度量的弱監督極化SAR分類方法，主要解決目前弱監督方法的分類精度低的問題。其實現方案包括：1)讀入一幅極化SAR圖像，基于Cloude?Pottier目標分解方法，構造具有四維特征的極化矩陣；2)從極化矩陣中選取1％的標記樣本作為訓練樣本；3)分步計算測試樣本和訓練樣本的卡方距離以及空間棋盤距離；4)根據卡方距離和棋盤距離得到組合距離，將其作為最近鄰方法評判近鄰的標準,實現極化SAR圖像分類。本發明僅采用少量訓練樣本利用最近鄰分類器，精確實現了極化SAR的地物分類。

技術領域

本發明屬于圖像處理技術領域，具體涉及極化SAR的地物分類方法，可用于地物分類。

背景技術

合成孔徑雷達SAR是一種具有全天時全天候的高分辨成像雷達，由于SAR對地表具有一定的穿透能力，能夠排除云霧植被以及樹葉的干擾，在測繪和軍事、環境監測、災害監測、海洋監測等方面具有得天獨厚的優勢，因而針對SAR圖像的數據分析和解譯也引來國內外科研人員的廣泛關注。極化SAR的出現，使圖像的每個像素包含了地物的更多極化信息數據，為地物分類提供更多的分析依據。

目前極化SAR的分類方法主要有有監督方法、無監督方法、以及半監督方法。有監督的方法普遍依賴于大量的標記樣本，然而大量標記樣本的獲取是非常昂貴和困難的，這增加了圖像數據解譯的難度，而且對大量標記的極化SAR數據進行訓練也增加了時間復雜度和計算復雜度，由此可見，有監督的方法并不是一個行之有效的方法。目前的無監督的方法也比較成熟，不依賴于任何標記樣本，但是無監督方法往往會分出許多額外的類別，這大大超出了需要分類的類別數，后期的處理會存在太多干擾。半監督方法，能夠利用少量標記樣本和大量未標記樣本的策略，在目前看來是一種很有潛力的方法，但是還是有較高的時間復雜度和模型復雜度。

發明內容

本發明的目的是針對上述現有技術中的諸多不足，提出一種基于卡方-棋盤距離度量的弱監督極化SAR分類方法，以降低分類模型的復雜度和時間復雜度，提高極化SAR分類速度和分類精度。

本發明的技術方案是基于現有目標分解的方法，僅需少量標記樣本，采用卡方-棋盤組合度量方式作為最近鄰分類器的近鄰評判依據，從而實現弱監督極化SAR分類，其實現步驟包括如下：

(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_i是訓練樣本集的第i個樣本，i＝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_i的卡方距離和空間棋盤距離d_chess(L,L′)：

d_chess(L,L′)＝max(|l₁-l₁′|,|l₂-l₂′|)，