[发明专利]基于强度统计稀疏的全极化SAR图像分类方法

说明书

技术领域

本发明属于图像处理技术领域，更进一步涉及目标识别技术领域中的一种基于强度统计稀疏的全极化合成孔径雷达(Synthetic Aperture Radar,SAR)图像分类方法。本发明可应用于对全极化合成孔径雷达SAR图像中散射强度值统计特征和稀疏特征进行提取，并对特定目标进行准确地分类。

背景技术

高分辨率全极化合成孔径雷达作为微波遥感技术的代表，它包含了目标更加丰富的后向散射信息，是SAR领域的必然发展趋势。全极化SAR图像的理解与解译涉及到机器学习、模式识别、信号处理、模糊逻辑等众多学科，隶属于图像处理的范畴。极化SAR图像分类技术在已经在国防和民用领域得到广泛的应用。

目前，现有技术中的极化SAR图像分类技术的分类特征主要是从极化散射矩阵(S)、极化相干矩阵(T)和极化协方差矩阵(C)中提取的，主要包括极化相干矩阵的特征值和特征向量，图像中目标的散射功率及散射熵等。通过这些分类特征实现极化SAR图像中不同目标的分类，例如：

上海交通大学在其申请的专利“一种具有空间自适应性的极化SAR图像分割方法”(专利申请号：201210111531.9，公开号：CN 102722883 A)中提出了一种具有空间自适应性的极化SAR图像分割方法。该方法主要解决现有的分割技术在空间复杂度自适应性上的不足导致分割结果无法体现图像细节信息的问题。该方法首先结合H/α-ML Wishart聚类和四叉树分解得到大小不等、能够自适应场景复杂度的初始分割区域，然后利用复Wishart分布和马尔科夫随机场MRF对初始分割区域的大小和形状进行调整，得到最终的分割结果。该方法虽然充分有效利用了极化SAR图像的极化信息，具有良好的空间自适应性，分割结果能够很好的保留极化SAR图像中的细节信息，分割速度较快，结果较为精确。但是，该方法仍然存在的不足之处是：该方法只提取了全极化合成孔径雷达SAR图像的一个通道的信息，并没有涉及三个通道间的信息，必然造成分类信息的丢失和分类结果的不准确，马尔科夫随机场MRF算法中应用了极大似然估计方法，增加了计算复杂度，使获得结果的时间变长。

首都师范大学在其申请的专利“极化SAR图像分类方法”(专利申请号：：201310685303.7，公开号：CN 103617427A)中提出了一种基于决策树分类模型的分类方法。该方法提出的一种极化SAR图像分类方法包括: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；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)；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；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。该方法虽然可以提高分类结果的精度。但是，该方法仍然存在的不足之处是，由于分解图像时子孔径的个数与地面空间分辨率成反比，导致地面空间分辨率却由于子孔径的个数增加而降低，使最终的分类精度受限。

发明内容

本发明的目的在于解决上述现有技术的不足，提出了基于强度统计稀疏的全极化SAR图像分类方法，充分利用了全极化合成孔径雷达SAR图像三个通道之间的空间信息，实现了对全极化合成孔径雷达SAR图像中单个通道分类信息的补充，提高了分类目标的正确性，利用韦伯Weibull概率分布模型能够更好的拟合实际统计中出现的非高斯概率分布曲线，可以更准确的逼近极化合成孔径雷达SAR图像散射强度值的真实概率，提高了分类特征的准确性，在估计韦伯Weibull概率分布模型中参数时应用了基于梅林Mellin变换的第二类统计量，降低了本发明方法的计算复杂度。

本发明实现上述目的的思路是：分别统计三类特定目标在三个通道上样本的散射强度值，获取三类特定目标在三个通道上散射强度值的概率密度曲线，分别通过韦伯Weibull概率分布模型拟合得到三类特定目标在三个通道上散射强度值的概率密度函数，分别计算出三类特定目标在三个通道上散射强度值的概率，获得三类特定目标的统计特征，三类特定目标各自的统计特征具有稀疏性，利用KSVD字典学习算个发获取三类特定目标的稀疏特征，利用支撑向量机SVM分类器对三类特定目标进行分类，最后采用复威沙特Wsihart迭代算法，对结果进行优化处理，输出最终的分类结果。

本发明的步骤包括如下：

(1)输入散射强度矩阵：