[发明专利]基于快速密度峰值聚类的极化SAR图像分类方法

权利要求书

1.一种基于快速密度峰值聚类的极化SAR图像分类方法，包括如下步骤：

(1)对待分类极化SAR图像进行滤波，去除斑点噪声，得到滤波后的极化SAR图像；

(2)对滤波后的极化SAR图像中每个像素点的相干矩阵T进行Yamaguchi分解，得到每个像素点的体散射功率P_v、二面角散射功率P_d、表面散射功率P_s和螺旋体散射分量P_h；

(3)按照每个像素点四个散射功率P_s,P_d,P_v,P_h的最大值将极化SAR图像初始划分为四类：

如果max(P_s,P_d,P_v,P_h)＝P_s，则将其对应的像素点划分为一类，其中P_s为该类的主散射功率；

如果max(P_s,P_d,P_v,P_h)＝P_d，则将其对应的像素点划分为一类，其中P_d为该类的主散射功率；

如果max(P_s,P_d,P_v,P_h)＝P_v，则将其对应的像素点划分为一类，其中P_v为该类的主散射功率；

如果max(P_s,P_d,P_v,P_h)＝P_h，则将其对应的像素点划分为一类，其中P_h为该类的主散射功率；

其中，max(·)表示最大值；

(4)对每类初始类别所有像素点的主散射功率按由小到大排序，并将每类中每300个像素点再划分为一类，最终将整个极化SAR图像划分为M类；

(5)在已获得的M个类别中，将每一类的中心点作为新像素点，得到M个新像素点A_i，i＝1,…,M，并用每类的新像素点A_i代表该类别内所有像素点；

(6)对上述M个新像素点进行快速密度峰值聚类，将M个新像素点聚为k类：

6a)计算新像素点A_i的局部密度ρ_i：

其中，当d_ij＜d_c时，χ(d_ij-d_c)＝1，否则χ(d_ij-d_c)＝0；M表示新像素点A_i的个数；d_ij表示任意两点间的相互距离：

d_ij＝Tr((T_i)^-1+(T_j)^-1T_i)-q

其中，T_i，T_j分别表示新像素点A_i和A_j的相干矩阵，(T_i)^-1和(T_j)^-1分别表示对矩阵T_i和T_j求逆，q为常数，取值为q＝3，Tr(·)是矩阵的迹；d_c为常数，其取值为将所有点的相互距离d_ij由小到大排列，将位于该排列2％位置处的值作为d_c取值；

6b)计算新像素点A_i的距离δ_i：

6c)选择局部密度ρ_i和距离δ_i乘积最大的k个新像素点作为聚类中心；

6d)聚类中心确定后，每个聚类中心代表一类，k个聚类中心共代表k类，比较剩余新像素点与每一类聚类中心的距离，如果该新像素点与第m类聚类中心的距离最近，则将该新像素点划分到第m类,m＝1,…,k；

(7)在M个新像素点的聚类结果中，将由新像素点A_i代表的所有像素点标记为与新像素点A_i相同的类别，完成对整幅图像的预分类；

(8)对整个极化SAR图像的预分类结果进行复Wishart迭代，得到分类结果。