[發明專利]基于兩輪投票策略集成學習的SAR圖像海冰類型分類方法

有效

• 申請號: 202110117101.7
• 申請日: 2021-01-28
• 公開（公告）號: CN112926397B
• 公開（公告）日: 2022-03-01
• 發明（設計）人: 王斌;夏令輝;宋冬梅;李忠偉;張杰;崔建勇
• 申請（專利權）人: 中國石油大學（華東）
• 主分類號: G06V10/764
• 分類號: G06V10/764;G06V10/774;G06V10/80;G06V20/05;G06K9/62
• 代理公司: 北京盛詢知識產權代理有限公司 11901
• 代理人: 方亞兵

1.一種基于兩輪投票策略集成學習的SAR圖像海冰類型分類方法，其特征在于，包括以下步驟：

步驟1、對獲取的SAR海冰圖像進行特征提取，得到優選紋理特征；

步驟2、采用原始極化特征和所述優選紋理特征融合形成的海冰特征圖像，對基分類器進行選擇訓練和權重優化，得到類別得分矩陣以及第一輪權重投票的分類結果；

步驟3、根據所述類別得分矩陣與預定義閾值參數將所有像素劃分為模糊性標簽像素集和確定性標簽像素集，使用所述第一輪權重投票結果對確定性標簽像素的分類結果進行確定，其中，通過以下公式將所有像素劃分為模糊性標簽像素集和確定性標簽像素集：

其中，Pixel_i,j和S_i,j分別表示SAR影像坐標為(i,j)的像素及該像素對應的類別得分矩陣，k表示分類類別數目，

由此，確定性標簽像素的標簽Label_i,j將由第一輪權重投票結果Initial_Label_i,j決定：

步驟4、對所述模糊性標簽像素進行第二輪權重投票糾正，完成初始集成分類結果中所有模糊性標簽像素的更新，得到最終的海冰分類結果；其中，對于任意模糊性標簽像素，以該像素為中心、預定大小的滑動窗口M構造自適應區域P，自適應區域中任意像素x′_i,j在二維地理空間中進行表示：考慮特征鄰近度的權重計算方式為：

其中，w′_i,j表示自適應域中坐標為(i,j)的像素依據特征鄰近度計算所得到的權重，var(·)為方差算子，cov(A,B)表示像素A和像素B之間的協方差；該權重反映了中心像素與其它像素在相應的自適應區域內接近時相似度增加的期望；

所述模糊性像素標簽得以更新，即：

其中，C表示自適應域內中心像素標簽；K表示分類類別總數；M_mask表示掩膜矩陣，該矩陣由模糊性標簽像素和確定性標簽像素決定；w'表示自適應域P經過計算的每個像素與中心像素的權重矩陣；s_l表示在自適應域P的中心像素所屬類別為l的總體分數；

根據集合{s₁,s₂,...,s_K}中得分最高的類標簽來確定模糊標簽像素的標簽，完成初始集成分類結果中所有模糊性標簽像素的更新，得到最終的海冰分類結果。

2.如權利要求1所述的基于兩輪投票策略集成學習的SAR圖像海冰類型分類方法，其特征在于，步驟1具體包括：

基于灰度共生矩陣，對所述SAR海冰圖像進行特征提取，得到得到240個初選紋理特征；

采用隨機森林方法，對所述240個初選紋理特征進行特征選擇，從中選擇對海冰分類精度影響最大的6種紋理特征，即優選海冰圖像紋理特征。