[发明专利]基于快速密度峰值聚类的极化SAR图像分类方法

摘要

本发明公开了一种基于快速密度峰值聚类的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高的问题。其实现步骤为：1.对待分类极化SAR图像进行滤波；2.对滤波后的极化SAR图像进行Yamaguchi分解，计算每个像素点的四种散射功率；3.提取每个像素点主散射功率，将整幅图像初始划分为四类；4.按照初始类别中所有像素点的主散射功率，将整个极化SAR图像划分为M类；5.以M个类别的中心点作为新像素点进行聚类，并将聚类结果转化为整幅图像的预分类结果；6.对预分类结果进行迭代分类，得到最终分类结果。实验表明，本发明的分类效果更好，可用于对各种极化SAR图像进行无监督分类。

主权项

1.一种基于快速密度峰值聚类的极化SAR图像分类方法，包括如下步骤：(1)对待分类极化SAR图像进行滤波，去除斑点噪声，得到滤波后的极化SAR图像；(2)对滤波后的极化SAR图像中每个像素点的相干矩阵T进行Yamaguchi分解，得到每个像素点的体散射功率Pv、二面角散射功率Pd、表面散射功率Ps和螺旋体散射分量Ph；(3)按照每个像素点四个散射功率Ps,Pd,Pv,Ph的最大值将极化SAR图像初始划分为四类：如果max(Ps,Pd,Pv,Ph)＝Ps，则将其对应的像素点划分为一类，其中Ps为该类的主散射功率；如果max(Ps,Pd,Pv,Ph)＝Pd，则将其对应的像素点划分为一类，其中Pd为该类的主散射功率；如果max(Ps,Pd,Pv,Ph)＝Pv，则将其对应的像素点划分为一类，其中Pv为该类的主散射功率；如果max(Ps,Pd,Pv,Ph)＝Ph，则将其对应的像素点划分为一类，其中Ph为该类的主散射功率；其中，max(·)表示最大值；(4)对每类初始类别所有像素点的主散射功率按由小到大排序，并将每类中每300个像素点再划分为一类，最终将整个极化SAR图像划分为M类；(5)在已获得的M个类别中，将每一类的中心点作为新像素点，得到M个新像素点Ai，i＝1,…,M，并用每类的新像素点Ai代表该类别内所有像素点；(6)对上述M个新像素点进行快速密度峰值聚类，将M个新像素点聚为k类：6a)计算新像素点Ai的局部密度ρi：其中，当dij＜dc时，χ(dij‑dc)＝1，否则χ(dij‑dc)＝0；M表示新像素点Ai的个数；dij表示任意两点间的相互距离：dij＝Tr((Ti)‑1+(Tj)‑1Ti)‑q其中，Ti，Tj分别表示新像素点Ai和Aj的相干矩阵，(Ti)‑1和(Tj)‑1分别表示对矩阵Ti和Tj求逆，q为常数，取值为q＝3，Tr(·)是矩阵的迹；dc为常数，其取值为将所有点的相互距离dij由小到大排列，将位于该排列2％位置处的值作为dc取值；6b)计算新像素点Ai的距离δi：6c)选择局部密度ρi和距离δi乘积最大的k个新像素点作为聚类中心；6d)聚类中心确定后，每个聚类中心代表一类，k个聚类中心共代表k类，比较剩余新像素点与每一类聚类中心的距离，如果该新像素点与第m类聚类中心的距离最近，则将该新像素点划分到第m类,m＝1,…,k；(7)在M个新像素点的聚类结果中，将由新像素点Ai代表的所有像素点标记为与新像素点Ai相同的类别，完成对整幅图像的预分类；(8)对整个极化SAR图像的预分类结果进行复Wishart迭代，得到分类结果。