[發明專利]基于多核融合與空間Wishart LapSVM的半監督極化SAR圖像分類方法有效
| 申請號： | 201710589220.6 | 申請日： | 2017-07-19 |
| 公開（公告）號： | CN107491734B | 公開（公告）日： | 2021-05-07 |
| 發明（設計）人： | 王敏;王勇 | 申請（專利權）人： | 蘇州聞捷傳感技術有限公司 |
| 主分類號： | G06K9/00 | 分類號： | G06K9/00;G06K9/62 |
| 代理公司： | 蘇州翔遠專利代理事務所(普通合伙) 32251 | 代理人： | 劉計成 |
| 地址： | 215500 江蘇省蘇州市常熟市高*** | 國省代碼： | 江蘇;32 |
| 權利要求書： | 查看更多 | 說明書： | 查看更多 |
| 摘要： | |||
| 搜索關鍵詞： | 基于 多核 融合 空間 wishart lapsvm 監督 極化 sar 圖像 分類 方法 | ||
1.一種基于多核融合與空間Wishart LapSVM的半監督極化SAR圖像分類方法，包括如下步驟：
(1)輸入待分類極化SAR圖像，得到其極化相干矩陣T；
(2)基于極化SAR圖像中的極化相干矩陣T，得到極化特征向量，并做特征歸一化處理；
(3)從待分類的極化SAR圖像中每類隨機選取1％的數據進行標記，同時聯合30％的無標記數據，共同構成訓練樣本集；
(4)基于空間一致性假設及極化SAR數據的極化相干矩陣服從復Wishart分布，設計極化SAR圖像像素點之間的相似性度量準則，并根據聚類假設，構造Spatial-Wishart流形正則項；
(5)選定一組核函數，基于多核加權融合策略計算融合核矩陣，對極化特征向量進行高維映射；
(6)利用訓練樣本集訓練Spatial-Wishart LapSVM，并基于PCG算法進行快速優化求解；
(7)利用所訓練的Spatial-Wishart LapSVM模型，并基于one-vs-one多分類策略對無標記訓練樣本和測試樣本進行標簽預測；
(8)計算分類準確率并輸出極化SAR圖像分類結果。
2.根據權利要求1所述的基于多核融合與空間Wishart LapSVM的半監督極化SAR圖像分類方法，其特征在于，其中步驟(2)所述的基于極化SAR圖像的極化相關矩陣獲得每個像素點的特征向量，是按照如下步驟進行：
(2a)極化SAR圖像的每個像素點的極化相干矩陣以維數為3×3矩陣表示：
其中，Tij＝Tji*,i≠j，
(2b)極化相干矩陣包含了極化SAR數據的全部的極化信息，具有表達極化SAR數據特征的能力，據此，我們將單個像素點的極化向量形式表達為如下維數為1×9的形式：
I＝(|T11|2,|T22|2,|T33|2,|Re[T12]|2,|Re[T13]|2,|Re[T23]|2,|Im[T21]|2,|Im[T23]|2,|Im[T31]|2)
(2c)利用空間信息，每個像素點的特征向量表示為其周圍鄰域的多個像素點特征的聯合，可以表示為：
xi＝[......,Ii-1,Ii,Ii+1,......]；
(2d)將整幅待分類極化SAR圖像的樣本特征向量進行歸一化處理。
該專利技術資料僅供研究查看技術是否侵權等信息，商用須獲得專利權人授權。該專利全部權利屬于蘇州聞捷傳感技術有限公司，未經蘇州聞捷傳感技術有限公司許可，擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作，請聯系【客服】
本文鏈接：http://www.szxzyx.cn/pat/books/201710589220.6/1.html，轉載請聲明來源鉆瓜專利網。
