[发明专利]基于卡方-棋盘距离度量的弱监督极化SAR分类方法

说明书

本发明公开了一种基于卡方‑棋盘距离度量的弱监督极化SAR分类方法，主要解决目前弱监督方法的分类精度低的问题。其实现方案包括：1)读入一幅极化SAR图像，基于Cloude‑Pottier目标分解方法，构造具有四维特征的极化矩阵；2)从极化矩阵中选取1％的标记样本作为训练样本；3)分步计算测试样本和训练样本的卡方距离以及空间棋盘距离；4)根据卡方距离和棋盘距离得到组合距离，将其作为最近邻方法评判近邻的标准,实现极化SAR图像分类。本发明仅采用少量训练样本利用最近邻分类器，精确实现了极化SAR的地物分类。

技术领域

本发明属于图像处理技术领域，具体涉及极化SAR的地物分类方法，可用于地物分类。

背景技术

合成孔径雷达SAR是一种具有全天时全天候的高分辨成像雷达，由于SAR对地表具有一定的穿透能力，能够排除云雾植被以及树叶的干扰，在测绘和军事、环境监测、灾害监测、海洋监测等方面具有得天独厚的优势，因而针对SAR图像的数据分析和解译也引来国内外科研人员的广泛关注。极化SAR的出现，使图像的每个像素包含了地物的更多极化信息数据，为地物分类提供更多的分析依据。

目前极化SAR的分类方法主要有有监督方法、无监督方法、以及半监督方法。有监督的方法普遍依赖于大量的标记样本，然而大量标记样本的获取是非常昂贵和困难的，这增加了图像数据解译的难度，而且对大量标记的极化SAR数据进行训练也增加了时间复杂度和计算复杂度，由此可见，有监督的方法并不是一个行之有效的方法。目前的无监督的方法也比较成熟，不依赖于任何标记样本，但是无监督方法往往会分出许多额外的类别，这大大超出了需要分类的类别数，后期的处理会存在太多干扰。半监督方法，能够利用少量标记样本和大量未标记样本的策略，在目前看来是一种很有潜力的方法，但是还是有较高的时间复杂度和模型复杂度。

发明内容

本发明的目的是针对上述现有技术中的诸多不足，提出一种基于卡方-棋盘距离度量的弱监督极化SAR分类方法，以降低分类模型的复杂度和时间复杂度，提高极化SAR分类速度和分类精度。

本发明的技术方案是基于现有目标分解的方法，仅需少量标记样本，采用卡方-棋盘组合度量方式作为最近邻分类器的近邻评判依据，从而实现弱监督极化SAR分类，其实现步骤包括如下：

(1)读入一幅极化SAR待分类图像数据，得到3×3的目标的极化相干矩阵T，以相干矩阵T作为输入，进行Cloude-Pottier的目标分解，得到具有四维特征的极化矩阵X：

其中x_i为第i个样本，N为样本总数，P为回波强度参数，H为散射熵，α为散射角，A为各向异度；

(2)随机从样本集X中选取1％的样本为训练样本集S,其余为测试样本集T：

其中s_i是训练样本集的第i个样本，i＝1,2,…,n，t_j是测试样本集的第j个样本，j＝1,2,…,k，n为训练样本总数，n＝N×0.01,每类选取n_c个训练样本：n_c＝n/N_C，N_C为分类类别总数，k为测试样本总数，k＝N-n；

(3)分步计算测试样本t_j和训练样本s_i的卡方距离和空间棋盘距离d_chess(L,L′)：

d_chess(L,L′)＝max(|l₁-l₁′|,|l₂-l₂′|)，