[发明专利]基于模糊C均值的全极化SAR图像分类方法

权利要求书

1.基于模糊C均值的全极化SAR图像分类方法，其特征在于：包括如下步骤：

1)对原始全极化SAR数据进行预处理，采用多视处理和Refined Lee滤波方法消除SAR图像中斑点噪声的影响；

2)对预处理后的图像进行Cloude-Pottier极化分解，得到散射熵H、散射角α、平均散射强度λ三个极化参数；

3)根据平均散射强度的值将图像分为三大类，分别为：高散射强度区域、中等散射强度区域和低散射强度区域，将每一大类利用H/α平面进一步分割，共得到24小类；

4)采用层次聚类算法将得到的24类合并为n类，其中0<n≤24；

5)计算每个像素点与每一类聚类中心的距离，采用模糊C均值聚类算法调整每一类地物的边界，直至满足目标函数最小，迭代终止并输出分类结果；所述模糊C均值聚类算法中的像素点到聚类中心的距离d采用Wishart距离和一个距离因子W_ij重新定义：

d2(<T>,Vm)=(ln|Vm|+Tr(Vm-1<T>)Wij)2]]>

Wij=μijΣi=1Nμij]]>

其中<T>为像素点的相干矩阵，V_m为每一类的平均相干矩阵，即聚类中心，μ_ij代表数据点x_i隶属于类别j的概率；所述距离因子W_ij表示的含义为W_ij越大，每个像素与聚类中心V_m的距离越小，离聚类中心近的点变得更近，与聚类中心远的点变得更远。