[发明专利]基于特征值分布统计特性的极化SAR图像分类方法

权利要求书

1.基于特征值分布特性的极化SAR图像分类方法，包括以下步骤：

(1)对待分类极化SAR图像的所有像素点进行特征值分解；

(2)分别对每个像素点分解得到的大小不同的特征值λ₁，λ₂，λ₃按照从大到小的顺序进行排序，使λ₁≥λ₂≥λ₃；

(3)从待分类极化SAR图像中依据实际地物分布，人工构造待分类极化SAR图像中k类匀质区域集合：C＝{C₁，...，C_k}，并提取出所选取k类匀质区域的特征值；

(4)采用EM算法分别对k类匀质区域的特征值λ₁，λ₂，λ₃的高斯混合模型参数进行估计，得到每类匀质区域的各个特征值的概率密度分布函数：其中λ为某类匀质区域的某个特征值、ω为高斯函数的混合权重、μ为均值参数、σ为方差参数、m为高斯函数的混合个数、μ_i为第i个高斯函数的均值，σ_i为第i个高斯函数的方差，i＝1，2，...，k；

(5)利用步骤4求得的每类匀质区域的各个特征值的概率密度分布函数，计算每类匀质区域的特征值联合概率密度分布函数：

p(x|x∈Ci)=Πj=13p(λj|μ,σ),]]>

其中，x为匀质区域C_i中的像素点，λ_j为像素点x的第j个特征值，i＝1，2，...，k，j＝1，2，3；

(6)根据MAP原则，依据表达式：x∈C_i st.p(x|C_i)＝maxp(x|x∈C_k)，i＝1，2，...，k，对待分类极化SAR图像中所选匀质区域的全部像素点进行分类，并输出分类结果。

2.根据权利要求1所述的极化SAR图像分类方法，其中步骤(1)所述的对待分类极化SAR图像的所有像素点进行特征值分解，按照如下步骤进行：

2a)将待分类极化SAR图像像素点的T矩阵作为输入数据；

2b)利用MATLAB软件中的eigs函数对输入的每个像素的T矩阵进行特征值分解，得到特征值。

3.根据权利要求1所述的极化SAR图像分类方法，其中步骤(4)所述的采用EM算法分别对k类匀质区域的特征值λ₁，λ₂，λ₃的高斯混合模型参数进行估计，按照如下步骤进行：

3a)将各类匀质区域的特征值λ₁，λ₂，λ₃分别作为EM算法的输入数据；

3b)设定EM算法所求解的高斯混合模型中高斯函数的混合个数m值为1、混合权重ω为1，EM算法迭代终止条件为算法的迭代误差小于1.0E-06，初始化均值μ和方差σ为随机值；

3c)通过EM算法中的期望最大化流程对均值μ和方差σ进行更新，每次更新后计算算法的迭代误差并判断是否满足迭代终止条件，满足迭代终止条件时迭代停止，输出得到输入特征值的均值μ和方差σ；

3d)将混合个数m、混合权重ω和输出的均值μ、方差σ代入式：

p(λ|ω,μ,σ)=Σi=1mωi×12πσiexp(-(x-μi)22σi2)]]>

得到输入特征值的概率密度分布函数。