[发明专利]一种基于区域统计相似度的合成孔径雷达图像分类方法

摘要

本发明提供一种基于区域统计相似度的SAR图像分类方法。技术方案是首先通过分割步骤将SAR图像分割为一系列已知目标类别的样本区域，然后利用GГD(Generalized Gamma Distribution，广义gamma分布)对各训练样本区域进行统计建模，对SAR图像待识别区域同样进行上述步骤进行统计建模，再计算各分割区域与各训练样本区域之间的统计相似度，最后根据最大统计相似度准则实现各分割区域的类别划分，从而获得SAR图像的分类结果。本发明有效地解决SAR图像分类问题。

主权项

一种基于区域统计相似度的SAR图像分类方法，SAR是指合成孔径雷达，其特征在于，具体包括下述步骤：第一步：训练样本区域统计建模：选择已知目标类型且类型各不相同的M类目标的SAR图像区域，形成训练样本区域集{T1,T2,...,Tj,...,TM}，其中第j类目标SAR图像区域Tj表示第j个训练样本区域，j＝1,2,...,M；各训练样本区域的PDF集合其中表示Tj中的像素值x的PDF，表示为：pTj(x)=|vTj|κTjκTjσTjΓ(κTj)(xσTj)κTjvTj-1·exp{-κTj(xσTj)vTj},σTj,|vTj|,κTj,x>0]]>其中PDF表示概率密度函数，和分别表示的尺度、能量和形状参数，Γ(·)表示Gamma函数，这三个参数利用下述方程组得到：lnσTj+(Ψ(κTj)-lnκTj)/vTj=c~Tj,1Ψ(1,κTj)/vTj2=c~Tj,2Ψ(2,κTj)/vTj3=c~Tj,3]]>其中Ψ(·)为digamma函数，Ψ(1,·)和Ψ(2,·)分别表示第1阶和第2阶polygamma函数，和表示Tj的前三阶样本对数累积量，可以由下式计算：c~Tj,1=(Σs∈Tjlns)/NTjc~Tj,2=[Σs∈Tj(lns-c~Tj,1)2]/NTjc~Tj,3=[Σs∈Tj(lns-c~Tj,1)3]/NTj]]>其中为Tj中的像素个数，s表示Tj中的任意像素的像素值；第二步：SAR图像分割：将输入的待分类的实测SAR图像分割为互不重叠的若干区域，形成分割区域集{R1,R2,...,Ri,...,RL}，其中Ri表示第i个分割区域，i＝1,2,...,L；第三步：SAR图像区域统计建模：设各分割区域的PDF集合其中表示Ri中的像素值x的PDF，表示为：pRi(x)=|vRi|κRiκRiσRiΓ(κRi)(xσRi)κRivRi-1·exp{-κRi(xσRi)vRi},σRi,|vRi|,κRi,x>0]]>其中和分别表示的尺度、能量和形状参数；这三个参数利用下述方程组得到：lnσRi+(Ψ(κRi)-lnκRi)/vRi=c~Ri,1Ψ(1,κRi)/vRi2=c~Ri,2Ψ(2,κRi)/vRi3=c~Ri,3]]>其中和表示Ri的前三阶样本对数累积量，由下式计算：c~Ri,1=(Σs′∈Rilns′)/NRic~Ri,2=[Σs′∈Ri(lns′-c~Ri,1)2]/NRic~Ri,3=[Σs′∈Ri(lns′-c~Ri,1)3]/NRi]]>其中为Ri中的样本像素个数，s′表示Ri中的任意像素的像素值；第四步：分割区域与训练样本区域统计相似度计算：计算各分割区域与各训练样本区域之间的统计相似度表示为：S(pRi(x),pTj(x))=exp{-JD(pRi(x),pTj(x))}]]>其中表示和之间的散度，由下式计算：JD(pRi(x),pTj(x))=-κRi-κTj+A(Ri,Tj),1+A(Ri,Tj),2+B(Ri,Tj),1+B(Ri,Tj),2]]>其中：A(Ri,Tj),1=κRivRi-κTjvTjvRi(ln(σRivRiκRi)+Ψ(κRi))]]>B(Ri,Tj),1=κTjvTj-κRivRi|vTj|(ln(σTjvTjκTj)+Ψ(κTj))]]>第五步：SAR图像分割区域类别划分利用下式将第i个分割区域划分为第j′类目标，即：j′=argmaxj=1,2,...,M{S(pRi(x),pTj(x))},i=1,2,...,L]]>利用上式获得SAR图像的最终分类结果。