[发明专利]基于散射熵和三分量分解平面的极化SAR图像分类方法

说明书

技术领域

本发明涉及雷达图像处理技术领域，尤其涉及一种基于散射熵和三分量分解平面的极化SAR图像分类方法。

背景技术

极化合成孔径雷达(Polarimetric synthetic aperture radar，简称PolSAR或极化SAR)作为一种主动的航天、航空遥感手段，具有全天时、全天候工作的特点，在环境保护、灾害监测、海洋观测、资源勘查、精细农业、地质测绘、政府公共决策等方面有着广泛的应用。

地物与土地利用分类是极化合成孔径雷达最为主要的应用，用于地物分类的监督分类与非监督分类算法层出不穷。其中非监督分类可以归纳为三类，第一类方法仅利用SAR数据的统计特征；第二类方法是利用内在的物理散射特性对SAR数据进行分类，这种方法的优点是提供了类型辨识信息，但分类图像普遍缺乏细节信息；第三类方法结合了数据的统计特征和物理散射特征，因此能最有效地对SAR数据进行分类，目前第三类方法是热门研究。

近年来，大量极化SAR图像分类方法被提出。如Jong-Sen Lee在Unsupervised TerrainClassification Preserving Polarimetric Scattering Characteristics一文提到的分类算法，该算法先利用Freeman-Durden分解将图像分解为三种散射类型，然后在利用Wishart分类器迭代分类。虽然该算法保留了地物信息的主要散射特性以及分类结果的收敛稳定性，但仍然存在以下不足：首先，轴对称使Freeman-Durden分解具有旋转不变性，相对于雷达观测方向目标取向的变化可能导致错误分类；其次，粗糙表面被误判为体散射；再次，植被区误判为表面散射；最后，移动目标导致的错误分类。

发明内容

针对现有技术的缺陷，本发明提供一种基于散射熵和三分量分解平面的极化SAR图像分类方法，在根据散射熵划分的基础上再根据散射功率详细分类，提高了分类精度，能较好的保留细节信息，大大减少城镇地区的错误分类。

一种基于散射熵和三分量分解平面的极化SAR图像分类方法，包括如下步骤：

步骤1：输入待分类的极化SAR数据，并进行Lee滤波处理，得到去噪后的数据；

步骤2：计算去噪后每个像素的相干矩阵，在单站后向散射机制的情况下，满足互易条件，相干矩阵为三维矩阵T₃；

当采用Pauli基对散射矩阵S进行矢量化时，目标散射矢量k_3P为

目标的极化相干矩阵T₃如下式所示：

其中，S_hh和S_vv为同极化通道回波功率，S_hh代表水平极化通道回波功率，S_vv代表垂直极化通道回波功率，S_hv和S_vh为交叉极化通道回波功率，H表示共轭转置，*为求共轭；

步骤3：对去噪后的相干矩阵T₃进行Cloude分解，得到3个非负特征值和对应的特征矢量，从而得到对应像素点的散射熵H；

步骤3.1：通过求解相干矩阵T₃的特征值和特征矢量，将相干矩阵T₃分解成三个独立的相干矩阵T_0i(i＝1，2，3)之和，获得3个互不相关的目标，其分解公式如下式所示：

其中，λ_i和e_i分别表示特征值和特征向量，H表示共轭转置，e_i的表示形式如下式所示：

其中，表示目标的绝对相位信息，α_i、β_i、δ_i和γ_i均为极化散射参数；

步骤3.2：根据分解得到的特征值和特征矢量，得到散射熵H的计算公式如下式所示：

其中，P_i表示对应于由特征值λ_i获得的伪概率，P_i＝λ_i/(λ₁+λ₂+λ₃)，散射熵H的取值范围是0≤H≤1；

步骤4：按照散射熵值的不同将图像划分成高熵区域、中熵区域和低熵区域三种，其中H≤0.5为低熵区域，0.5＜H≤0.9为中熵区域，H＞0.9为高熵区域；