[发明专利]基于散射功率和强度联合统计的极化SAR图像分类方法

摘要

本发明公开了一种基于散射功率和强度联合统计的极化SAR图像分类方法，主要解决现有技术对散射特性相似区域难以区分和分类类别数固定的问题。其实现过程是：1）采用Lee滤波器对相干矩阵T滤波；2)利用Freeman分解得到功率矩阵；3）利用特征值分解得到强度矩阵；4)对功率矩阵和强度矩阵分别进行8邻域求平均；5)选取k类匀质区域作为训练样本；6）采用EM算法对k类样本的功率矩阵和强度矩阵概率密度分布函数的参数进行估计；7)求解k类样本功率矩阵和强度矩阵的联合概率分布；8)对待分类极化SAR数据进行贝叶斯分类，得到分类结果。本发明具有对极化SAR图像分类效果显著的优点，可进一步用于极化SAR图像目标检测和目标识别。

主权项

一种基于散射功率和强度联合统计的极化SAR图像分类方法，包括如下步骤：(1)将待分类极化SAR图像的相干矩阵T作为输入，T的大小为3×3×z，其中z是图像像素点总个数；(2)采用Lee滤波器对相干矩阵T进行去噪，得到去噪后的相干矩阵T'；(3)对去噪后的相干矩阵T'进行Freeman分解，得到体散射功率，取每个像素点的体散射功率构成大小为z×1的功率矩阵Pv；(4)对去噪后的相干矩阵T'进行特征值分解，提取极化SAR图像的散射强度信息，得到每个像素点的三个特征值λ1,λ2,λ3，取最大特征值λ1构成大小为z×1的强度矩阵E；(5)对功率矩阵Pv和强度矩阵E分别进行大小为m×n的变形，得到变形后的功率矩阵PvT和强度矩阵ET，m,n分别是待分类图像的行数与列数，对变形后功率矩阵PvT和变形后的强度矩阵ET的每个像素点分别进行8邻域求平均来代替该像素点的值，得到平滑后的功率矩阵P'v和平滑后的强度矩阵E'；(6)依据实际地物分布，选择不同的k类匀质区域作为训练样本，k=8；(7)采用EM算法分别对k类样本的平滑后功率矩阵P'v和平滑后强度矩阵E'的高斯参数进行估计，得到k类样本的平滑后功率矩阵P'v的概率密度分布函数P(x|μvi,σvi)和平滑后强度矩阵E'的概率密度分布函数P(y|μλi,σλi)： P ( x | μ vi , σ vi ) = 1 2 π σ vi exp ( - ( x - μ vi ) 2 2 σ vi 2 ) , P ( y | μ λi , σ λi ) = 1 2 π σ λi exp ( - ( y - μ λi ) 2 2 σ λi 2 ) , 其中x为平滑后功率矩阵P'v的值，y为平滑后强度矩阵E'的值、μvi为第i类样本的平滑后功率矩阵P'v的均值，σvi为第i类样本的平滑后功率矩阵P'v的方差，μλi为第i类样本的平滑后强度矩阵E'的均值，σλi为第i类样本的平滑后强度矩阵E'的方差，i=1,2,...,k；(8)利用步骤(7)求得的k类样本的概率密度分布函数，构造平滑后功率矩阵P'v和平滑后强度矩阵E'的联合概率密度分布函数P(aj|aj∈Ci)：P(aj|aj∈Ci)=P(x|μvi,σvi)·P(y|μλi,σλi)，其中aj为第j个像素点，j=1,2,...,z,Ci表示第i类样本集合,i=1,2,...,k；(9)根据最大后验概率MAP原则，依据表达式：aj∈Ci,st.p(aj|Ci)=maxP(aj|aj∈Ci)，i=1,2,...,k，j=1,2,...,z，对待分类极化SAR数据进行贝叶斯分类，并输出分类结果。