[发明专利]基于快速密度峰值聚类的极化SAR图像分类方法

说明书

本发明公开了一种基于快速密度峰值聚类的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高的问题。其实现步骤为：1.对待分类极化SAR图像进行滤波；2.对滤波后的极化SAR图像进行Yamaguchi分解，计算每个像素点的四种散射功率；3.提取每个像素点主散射功率，将整幅图像初始划分为四类；4.按照初始类别中所有像素点的主散射功率，将整个极化SAR图像划分为M类；5.以M个类别的中心点作为新像素点进行聚类，并将聚类结果转化为整幅图像的预分类结果；6.对预分类结果进行迭代分类，得到最终分类结果。实验表明，本发明的分类效果更好，可用于对各种极化SAR图像进行无监督分类。

技术领域

本发明属于图像处理技术领域，涉及极化SAR图像分类方法，可用于目标识别。

背景技术

随着遥感技术在卫星、载人航天、探月工程等领域的发展，极化SAR已成为SAR的发展趋势，极化SAR能够得到更丰富的目标信息，在农业、林业、军事、地质学、水文学和海洋等方面具有广泛的研究和应用价值，如地形测绘、资源勘探、灾害监测及天文研究等不同领域。极化图像分类的目的是利用机载或星载极化传感器获得的极化测量数据，确定每个像素所属的类别。近年来，利用极化SAR测量数据进行的分类在国际遥感领域受到高度重视，已成为SAR图像分类的主要研究方向。

根据处理方法的不同，全极化SAR图像分类方法可以分为监督分类和非监督分类。监督分类方法主要包括基于统计知识、神经网络、小波分析和模糊逻辑的分类方法。非监督分类方法中最多的是基于目标散射机理的分解方法，如H/α目标分解方法和Freeman分解方法。相对于监督分类方法而言，基于散射机理的全极化SAR非监督分类方法不需要已知类别的训练数据，具有更强的适应性。

经典的极化SAR图像分类方法包括：

1. Cloude等人提出了基于H/α目标分解的非监督极化SAR图像分类方法，见Cloude S R，Pottier E.An entropy based classification scheme for landapplications ofpolarimetric SAR[J].IEEE Trans.Geosci.Remote Sensing.1997，35(1)：549-557.该方法主要是通过Cloude分解获取H和α两个表征极化数据的特征，然后根据H和α组成的H/α平面人为的将其划分为9个区域，去掉一个理论上不可能存在的区域，最终将图像划分为8类。H/α分类存在的一个缺陷是区域的划分过于武断，当同一类的数据分布在两类或几类的边界上时分类器性能将变差，另一不足之处是当同一个区域里共存几种不同的地物时，将不能有效区分。

2. Lee等人提出了基于H/α目标分解和Wishart分类器的非监督极化SAR分类方法，见Lee J S，Grunes M R，Ainsworth T L，et a1.Unsupervised classification usingpolarimetric decomposition and the complex Wishart classifier[J].IEEETrans.Geosci.Remote Sensing.1999，37(5)：2249-2258.该方法主要是对H/α划分后的8类利用Wishart分类器对每一个像素进行重新划分，从而有效的提高了分类的精度，但是存在不能很好的保持各类的极化散射特性的不足。

发明内容

本发明的目的在于针对已有技术的不足，提出一种基于快速密度峰值聚类的极化SAR图像分类方法，以提高分类正确率。

为实现上述目的，本发明包括如下步骤：

(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；