[发明专利]基于特征值分布统计特性的极化SAR图像分类方法

摘要

本发明公开了基于特征值高斯统计特性的极化SAR图像分类方法，主要解决现有技术对特征分布特性认知上不足和类别判决界限需要人为确定的问题。其实现过程是：1)对待分类极化SAR图像的所有像素点进行特征值分解；2)选取不同匀质区域作为最基本的类别代表区域，并提取代表匀质区域的特征值；3)采用EM算法分别对各类匀质区域特征值λ1，λ2，λ3的高斯混合模型参数进行估计，求取各个特征值的概率密度分布函数；4)求解各类匀质区域三个特征值的联合概率分布函数；5)对匀质区域中的像素点进行贝叶斯分类，并输出分类结果。本发明具有对极化SAR图像分类效果显著的优点，可用于极化SAR图像目标检测和目标识别。

主权项

1.基于特征值分布特性的极化SAR图像分类方法，包括以下步骤：(1)对待分类极化SAR图像的所有像素点进行特征值分解；(2)分别对每个像素点分解得到的大小不同的特征值λ₁，λ₂，λ₃按照从大到小的顺序进行排序，使λ₁≥λ₂≥λ₃；(3)从待分类极化SAR图像中依据实际地物分布，人工构造待分类极化SAR图像中k类匀质区域集合：C＝{C₁，...，C_k}，并提取出所选取k类匀质区域的特征值；(4)采用EM算法分别对k类匀质区域的特征值λ₁，λ₂，λ₃的高斯混合模型参数进行估计，得到每类匀质区域的各个特征值的概率密度分布函数：其中λ为某类匀质区域的某个特征值、ω为高斯函数的混合权重、μ为均值参数、σ为方差参数、m为高斯函数的混合个数、μ_i为第i个高斯函数的均值，σ_i为第i个高斯函数的方差，i＝1，2，...，k；(5)利用步骤4求得的每类匀质区域的各个特征值的概率密度分布函数，计算每类匀质区域的特征值联合概率密度分布函数：p(x|x∈Ci)=Πj=13p(λj|μ,σ),]]>其中，x为匀质区域C_i中的像素点，λ_j为像素点x的第j个特征值，i＝1，2，...，k，j＝1，2，3；(6)根据MAP原则，依据表达式：x∈C_i st.p(x|C_i)＝maxp(x|x∈C_k)，i＝1，2，...，k，对待分类极化SAR图像中所选匀质区域的全部像素点进行分类，并输出分类结果。