[发明专利]一种基于区域统计相似度的合成孔径雷达图像分类方法

说明书

技术领域

本发明涉及成像雷达图像处理技术领域，更具体地说，涉及一种SAR(Synthetic Aperture Radar,合成孔径雷达)图像分类方法。

背景技术

随着遥感技术的发展，遥感图像分类越来越受到人们的关注。遥感图像分类在很多领域中得到了广泛的应用，例如沙漠化评估、农作物生长监测和城市规划等等。SAR是一种主动微波成像传感器。与很多其他成像传感器相比，SAR具有全天时、全天候成像能力，这使得基于SAR图像的分类技术倍受关注。

近几十年来，学者们提出了大量SAR图像分类算法，如神经网络方法、支持矢量机方法和Bayes统计方法等。由于SAR的相干成像机制，SAR图像中普遍存在着随机的相干斑噪声，这使得以统计理论为基础的Bayes统计方法在SAR图像分类中得到了非常广泛的应用，其中最为典型的为ML(Maximum Likelihood，最大似然)方法。

ML方法的一个关键因素是精确估计SAR图像中各个类别的PDF(Probability Density Function，概率密度函数)。目前用于SAR图像分类的ML方法基本上是以单个像素作为基本的分类单元，称为基于像素的ML方法。理论分析可知，这类方法所得分类结果极易受到实际类别之间的PDF重叠程度的影响。当不同类别的PDF相互重叠显著时，即使已获得它们的精确PDF，基于像素的ML方法仍将得到类别混淆严重的分类结果。

在低分辨率SAR图像中，同一类别可能仅存在于一个或少数的几个像素中。近年来，随着SAR成像技术的发展，国内外相关机构获得了越来越多的高分辨率甚至极高分辨率SAR图像。这些图像的一个显著特点是，同一类别可分解到大量像素当中。这为研究基于区域的SAR图像分类方法提供了数据基础。为适应SAR图像的发展趋势，解决基于像素的ML方法易受类别间PDF重叠程度影响的问题，提高SAR图像分类方法的鲁棒性，开展基于区域的SAR图像分类方法对SAR图像自动化、智能化解译具有非常重要的应用价值。

发明内容

本发明为了有效解决SAR图像分类问题，提出了一种基于区域统计相似度的SAR图像分类方法。本方法能够有效降低相干斑噪声对SAR图像分类的影响，同时克服基于像素的ML方法无法有效区分PDF相互重叠显著的类别的缺陷，能够获得区域连通性更好的分类结果。

本发明的基本思路是，首先通过分割步骤将SAR图像分割为一系列样本区域，然后利用GГD(Generalized Gamma Distribution，广义gamma分布)对各训练样本区域以及各分割区域进行统计建模，再通过计算各分割区域与各训练样本区域之间的统计相似度，最后根据最大统计相似度准则实现各分割区域的类别划分，从而获得SAR图像的分类结果。

本发明的技术方案是：一种基于区域统计相似度的SAR图像分类方法，具体包括下述步骤：

第一步：训练样本区域统计建模

选择已知类型的且类型各不相同的M类目标SAR图像区域，形成训练样本区域集{T₁,T₂,...,T_j,...,T_M}，其中第j类目标SAR图像区域T_j表示第j个训练样本区域，j＝1,2,...,M。采用GГD对各训练样本区域进行统计建模，估计其其中表示T_j中的像素值x的PDF，表示为：

其中和分别表示的尺度、能量和形状参数,这三个参数利用下述方程组得到：

其中Ψ(·)为digamma函数，Ψ(1,·)和Ψ(2,·)分别表示第1阶和第2阶polygamma函数，和表示T_j的前三阶样本对数累积量，可以由下式计算：

其中为T_j中的像素个数，s表示T_j中的任意像素的像素值。

第二步：SAR图像分割

将输入的待分类的实测SAR图像分割为互不重叠的若干区域，形成分割区域集{R₁,R₂,...,R_i,...,R_L}，其中R_i表示第i个分割区域，i＝1,2,...,L。

第三步：SAR图像区域统计建模