[发明专利]一种基于小波特征低秩表示的SAR图像目标聚类方法

说明书

技术领域

本发明属于图像处理技术领域，具体地说是一种无监督的分类器，可用于对SAR图像目标聚类处理的基于小波特征低秩表示的SAR图像目标聚类方法。

背景技术

合成孔径雷达SAR所成的图像具有全天候、全天时、高分辨率和强大的穿透能力等特点，因此，这种图像被广泛的应用到目标识别，变换检测和水面监视。遥感图像的分类技术发展至今，分类算法虽然已经很丰富，但是它们或多或少的与经典的分类算法有一定的联系。

常用的遥感图像数据分类方法有多种，从分类判决决策的角度可以分为统计分类器、神经网络分类器、专家系统分类器等等。从是否具有先验知识方面，可以分为监督分类器和非监督分类器。非监督分类器不需要选取一定已知类别的像素进行分类器的训练，而监督分类方法则需要选取一定数量的已知类别的像素对分类器进行训练，以估计分类器中的参数。

非监督分类是指人们事先对分类过程不施加任何的先验知识，而仅凭数据（遥感影像地物的光谱特征的分布规律），即自然聚类的特性，进行“盲目”的分类；其分类的结果只是对不同类别达到了区分，但并不能确定类别的属性，亦即：非监督分类只能把样本区分为若干类别，而不能给出样本的描述；其类别的属性是通过分类结束后目视判读或实地调查确定的。非监督分类也称聚类分析。一般的聚类算法是先选择若干个模式点作为聚类的中心。每一中心代表一个类别，按照某种相似性度量方法（如最小距离方法）将各模式归于各聚类中心所代表的类别，形成初始分类。然后由聚类准则判断初始分类是否合理，如果不合理就修改分类，如此反复迭代运算，直到合理为止。非监督分类方法中，常用的方法有谱聚类、FCM聚类、K-均值法和迭代自组织数据分析法（ISODATA）。在遥感影像上地物特征是极其复杂的，不利于图像地物的分类识别。对于特定的特征空间，不同的地物类别之间容易出现异物同谱现象，这就极大的增加了区分难度。

发明内容

本发明的目的在于克服已有技术的不足，并且在分类效果上有一定的提高。提出了一种基于小波特征低秩表示的SAR图像目标聚类方法，以实现对SAR图像聚类的效果。

为实现上述目的，本发明提供的一种基于小波特征低秩表示的SAR图像目标聚类方法，包括如下步骤：

1）取n类测试样本,每类10幅图，每幅图的大小为128*128：

{Yi=x_ij|i=1,2,…,n;j=1,2,…,10}

其中，Y_i代表第i类全部的测试样本，x_ij表示第i类测试样本里的第j幅图，n为测试样本的类别总数，i表示第i类测试样本，j表示第i类里的第j幅图；

对每幅图做L级小波分解，获得3L的高通子带(B₁,B₂,…,B_3L)和一个低通子带B_3L+1，在每个子带里面提取能量特征：

Eijk=Σm=1MΣn=1Nxij2(m,n)]]>

其中i表示第i类测试样本，i=1,2,…,n，j表示第i类里的第j幅图，j=1,2,…,10，k表示小波分解的子带数，k=1,2,…,(3L+1)，M,N分别表示一幅图像的行列数；

则每张图由3L+1个能量特征构成，那么n类测试样本，通过小波分解获得能量矩阵E：

则   E＝[E₁，E₂…E_i，…，E_n]

其中E_i表示第i类所有测试样本构成的能量特征，每一列表示一幅图做L级小波分解得到的各个子带的能量；