[发明专利]极化SAR图像分类方法

说明书

技术领域

本发明涉及图像处理领域，具体涉及一种极化SAR图像分类方法。

背景技术

由于不同地物对电磁波的散射机理不同，通过分析全极化雷达的后向散射特征可以获取到更为丰富的地物信息，因而其在地面目标检测、地物识别分类提取中得到了应用广泛。目前，在研究地物散射特性的过程中，主要是通过对包含目标地物电磁散射特性的回波信号进行极化目标分解的方法来实现地物散射特性分析。通过极化目标分解可以得到体现地物散射类型的特征，进而利用这些特征对极化SAR图像进行分类。

传统的基于极化目标分解的分类方法是针对全分辨率图像的，全分辨率极化SAR图像是将目标散射信号进行全方位向的合成得到的，然而，在合成孔径雷达成像过程中，雷达平台与目标的相对位置是不断变化的，利用全分辨率图像进行分类没有充分考虑地物电磁特性随传感器方位视角变化的特点，目标散射特性的分析并不全面。近年来，出现了将SAR图像分解为多个子孔径图像，并分别利用子孔径图像分析目标在不同方位角下后向散射的瞬时变化，并将其应用于地物目标的分类和提取的方法，例如，Ainsworth等分析了子孔径图像间的高相关性，并结合wishart分类方法实现了对高分辨率极化SAR图像非平稳目标的提取；Reigber等利用相干时频分析方法来抑制杂波，并根据子孔径间的高度相干性来检测点散射体，进行城镇地区建筑物结构的检测等。

使用子孔径方法的缺点在于：

1、分类器都是针对少量特征进行规则的建立，难以全面地反映SAR图像特征，因此造成分类精度难以提高；

2、通常使用最大似然估计法对目标进行分类，这使得这些方法要求样本需符合特定的统计分布模型，并且生成的分类规则较难解译；

3、一般需要分解为多个子孔径，提取多个子孔径图像的均值、相干等特征以进行分类，而子孔径的个数与地面空间分辨率成反比，因此，子孔径个数增加虽然导致提取的特征（如均值、相干）更精确，但是地面空间分辨率却由于子孔径的个数而降低，其必然使最终的分类精度受限。

发明内容

为克服上述一个和/或多个缺点，本发明提供了一种极化SAR图像分类方法。

本发明提供的一种极化SAR图像分类方法，包括：S1：提取极化SAR图像的特征：散射熵H、反熵A和散射角α，将所得到的特征集合(H,A,α)作为第一特征集；S2：将所述极化SAR图像分解为两个子孔径图像后，分别提取所述两个子孔径图像的特征：散射熵H、反熵A和散射角α，从而得到两个子特征集(H₁,A₁,α₁)、(H₂,A₂,α₂)；S3：将所述两个子特征集中的各相应特征的值相减，得到所述各相应特征的差值的集合(ΔH,ΔA,Δα)作为第二特征集；S4：将所述第一特征集和所述第二特征集输入到决策树分类模型中，得到所述极化SAR图像的分类结果。

进一步地，在S1步骤中，利用Cloude分解从所述极化SAR图像提取所述第一特征集(H,A,α)；并且在S2步骤中，利用Cloude分解分别从所述两个子孔径图像提取所述两个子特征集(H₁,A₁,α₁)、(H₂,A₂,α₂)。

可选地，所述决策树分类模型为C5决策树分类模型。

进一步地，步骤S4具体包括：S41：将所述第一特征集和所述第二特征集合并为目标识别特征集；S42：利用所述决策树分类模型对预定的样本数据进行训练，以构建用于目标识别的规则；S43：利用所述决策树分类模型根据所述规则对所述目标识别特征集进行分类，得到所述极化SAR图像的分类结果。

本发明的有益效果在于：提供了一种极化SAR图像分类方法，其不仅利用了从极化SAR图像本身提取的特征集合，同时利用了从两个子孔径图像提取的各相应特征的差值的集合，即两种不同类型的特征集合，使得所提取的特征多层次、全面、丰富地反应极化SAR图像的特性；由于提取两种不同类型的特征集合，继而能够使用分类精度更好、分类性能更好的针对多种类型特征进行分类的决策树分类模型；另外，将图像仅分解为两个子孔径图像，最大限度地保证了地面空间分辨率，从而保证了分类精度。

附图说明

图1是本发明实施例的极化SAR图像分类方法的流程示意图。