[发明专利]结合极化特征和分水岭的极化SAR图像分类方法

摘要

本发明公开了一种结合极化特征和分水岭的极化SAR图像分类方法。本发明实现的步骤为(1)读入极化合成孔径雷达SAR数据；(2)计算像素标记；(3)划分区域；(4)标定区域标记；(5)标定区域大小；(6)更新区域标记；(7)分配颜色，输出最终分类结果。本发明相比现有技术基于区域的阈值划分方法，保证了分类结果中区域一致性，较好的保持了图像中不同区域的边缘信息，解决了极化信息利用不充分和区域划分不完整的问题。本发明可应用于极化合成孔径雷达SAR图像目标检测和目标识别。

主权项

一种结合极化特征和分水岭的极化SAR图像分类方法，包括如下步骤：(1)读入一幅待分类的极化合成孔径雷达SAR图像中相干矩阵T；(2)计算像素的标记；(2a)提取待分类的极化合成孔径雷达SAR图像中相干矩阵T的对角线元素T11,T22,T33，用0.4，0.2，0.4分别依次对对角线元素T11,T22,T33进行加权处理，将加权处理后的对角线元素相加，对相加的结果进行归一化处理至0到255之间，得到功率值；(2b)对待分类的极化合成孔径雷达SAR图像中相干矩阵T，进行Cloude分解，得到散射角α；(2c)在待分类的极化合成孔径雷达SAR图像中每一类地物上，按照极化合成孔径雷达SAR图像总像素点的0.5％随机取像素点，分别提取每一类地物选取像素点所对应的功率值和散射角，将提取的功率值和散射角作为训练数据；(2d)计算待分类的极化合成孔径雷达SAR图像中每一个像素点的联合似然概率，得到各像素点的最大似然标记；(3)划分区域；(3a)将像素的最大似然标记与待分类的极化合成孔径雷达SAR图像中功率值的梯度图进行叠加，得到修正后的梯度图；(3b)对修正后的梯度图进行分水岭划分，得到划分的区域；(4)标定区域标记；(4a)如果划分区域中存在像素标记相同的像素个数达到二分之一以上，将该像素标记标定为划分区域的标记，若划分区域中不存在像素标记相同的像素个数达到二分之一以上，则执行步骤(4b)，否则，执行步骤(4c)；(4b)找出划分区域中相邻区域的标记最多的类别，将该类别标定为划分区域的标记；(4c)判断待分类的极化合成孔径雷达SAR图像划分区域的标记是否全部完成，若否，重复步骤(4a)、步骤(4b)，若是，执行步骤(5)；(5)标定区域大小；(5a)依次读入待分类的极化合成孔径雷达SAR图像中划分区域，判断读入的划分区域的像素个数是否大于100，若大于，执行步骤(5b)，否则，执行步骤(5c)；(5b)将读入的划分区域标定为大区域；(5c)将读入的划分区域标定为小区域；(5d)判断待分类的极化合成孔径雷达SAR图像中划分区域的大小标记是否全部完成，若否，重复步骤(5a)、步骤(5b)、步骤(5c)，若是，执行步骤(6)；(6)更新区域标记；(6a)用聚类中心公式，计算每一类的聚类中心；(6b)依次读取极化合成孔径雷达SAR图像标定的区域大小，若为小区域，执行步骤(6c)，否则，执行步骤(6d)；(6c)对小区域，用以下最大后验概率公式，得到更新的区域标记：x^r=argmaxxr{P(yr|xr)P(xr|ηxr)}]]>其中，表示小区域r更新后的区域标记，arg表示求取满足条件的参数操作，max表示求解参数最大值的操作，xr表示小区域r当前的区域标记，xr的取值范围为1,2,…K，K表示极化合成孔径雷达SAR图像所划分的类别数，r表示极化合成孔径雷达SAR图像中的小区域，yr表示小区域r的观测数据，P(yr|xr)表示小区域的最大后验概率中的似然概率，表示小区域的最大后验概率中的背景先验概率，表示小区域r的相邻区域；(6d)对大区域，用以下最大似然概率公式，得到更新的区域标记：其中，表示大区域更新的区域标记，arg表示求取满足条件的参数操作，max表示求解参数最大值的操作，表示大区域当前的区域标记，的取值范围为1,2,…K，K表示极化合成孔径雷达SAR图像所划分的类别数，表示极化合成孔径雷达SAR图像中大区域，表示大区域的最大似然概率中的似然概率，表示大区域的观测数据；(6e)判断读取的极化合成孔径雷达SAR图像区域是否完成，若否，重复步骤(6b)、步骤(6c)、步骤(6d)，若是，执行步骤(6f)；(6f)判断更新的区域标记迭代次数是否达到20次，若否，重复步骤(6a)、步骤(6b)、步骤(6c)、步骤(6d)、步骤(6e)，若是，执行步骤(7)；(7)用红色R、绿色G、蓝色B三个颜色分量作为三基色，根据三基色原理给步骤(6)中的区域标记结果分配颜色，得到彩色分类结果图。