[发明专利]基于狄利克雷MRF混合模型的极化SAR图像分类方法有效

专利信息
申请号: 201610436436.4 申请日: 2016-06-17
公开(公告)号: CN106127236B 公开(公告)日: 2019-06-18
发明(设计)人: 李明;宋婉莹;张鹏;吴艳 申请(专利权)人: 西安电子科技大学
主分类号: G06K9/62 分类号: G06K9/62
代理公司: 陕西电子工业专利中心 61205 代理人: 王品华;朱红星
地址: 710071*** 国省代码: 陕西;61
权利要求书: 查看更多 说明书: 查看更多
摘要: 发明公开了一种基于狄利克雷MRF混合模型的极化SAR图像分类方法,主要解决现有技术无法自动地确定极化SAR图像中的类别数目的问题。其方案为:1.提取并归一化极化SAR图像的N个极化散射特征,建立归一化的极化散射特征空间;2.对归一化的极化散射特征空间逐点进行降噪,建立极化散射特征空间;3.利用极化散射特征空间初始化MRF模型;4.根据初始化的MRF模型估计极化SAR图像的先验参数和似然参数;5.根据估计参数估计新的标记场,直到达到最大迭代次数,并将新的标记场确定为极化SAR图像的分类结果。本发明提高了分类精度和同质区域分类的平滑度,更好地保持边缘信息,可用于极化SAR图像的目标检测与识别。
搜索关键词: 基于 狄利克雷 mrf 混合 模型 极化 sar 图像 分类 方法
【主权项】:
1.一种基于狄利克雷MRF混合模型的极化SAR图像分类方法,包括如下步骤:(1)输入极化SAR图像;(2)从极化SAR图像中提取N个极化散射特征,并对其进行归一化,得到N个归一化的极化散射特征,建立归一化的极化散射特征空间f1;(3)以极化SAR图像中的每个像素点为中心像素点,选取大小为3×3的窗口,使用广义均值方法,对归一化的极化散射特征空间f1逐点进行降噪处理,得到极化散射特征空间f2;(4)初始化模型参数将极化SAR图像的每个像素点的类别标记的集合设定为原始的标记场X={Xi}i=1,2,…,n,其中Xi表示极化SAR图像中像素点i的类别标记,n表示极化SAR图像的像素点个数;初始化极化SAR图像的每个像素点的类别标记为1,即Xi=1;用极化散射特征空间f2作为观测场Y={Yi}i=1,2,…,n,其中Yi表示极化SAR图像中像素点i的N维降噪的极化散射特征向量;初始化形状参数a=1,尺度参数b=5,核宽参数σ=1,平衡参数λ=1,维度参数q=3,第一正态参数μ0初始化为N维零向量,第二正态参数Σ0初始化为N维单位阵;初始化中心参数α0,即对Flevoland地区的极化SAR图像设定中心参数α0=2;对Oberpfaffenhofen地区的极化SAR图像设定中心参数α0=10;将当前的迭代次数设为1,设定最大迭代次数为20;(5)根据原始的标记场X、观测场Y和初始化的模型参数,估计极化SAR图像的先验参数sij和似然参数{μk1};(6)估计极化SAR图像新的标记场6a)根据先验参数sij、原始的标记场X和初始化的模型参数,得到类别标记的先验概率p3其中Xj表示极化SAR图像中像素点j的类别标记;Xl表示极化SAR图像中像素点l的类别标记;表示极化SAR图像中像素点i的邻域系统;X‑i表示极化SAR图像中除了像素点i的类别标记以外的其他像素点的类别标记的集合;δ(Xi,Xl)表示Delta函数,当Xi与Xl相等时,δ(Xi,Xl)的值为1,否则为0;δ(Xi,Xj)表示Delta函数,当Xi与Xj相等时,δ(Xi,Xj)的值为1,否则为0;sij表示极化SAR图像的先验参数;exp(·)表示求指数操作;6b)根据似然参数{μk1}、原始的标记场X和观测场Y,得到类别标记的似然概率p4其中μk表示极化SAR图像中类别标记为k的像素点的均值向量参数;Σ1表示极化SAR图像的协方差矩阵参数;(·)‑1表示求矩阵逆的操作;(·)T表示求矩阵转置的操作;|·|表示求矩阵行列式的操作;Xi=k表示极化SAR图像中像素点i的类别标记为k;6c)根据类别标记的先验概率p3和似然概率p4,得到类别标记的后验概率p5其中指的是极化SAR图像中除了像素点i以外的类别标记为k的像素点的个数;z为归一化参数;C表示原始的标记场X中的类别数目;6d)通过极大化类别标记的后验概率p5,估计得到极化SAR图像中像素点i的新的类别标记6e)将新的类别标记的集合确定为极化SAR图像的新的标记场(7)判断是否达到最大迭代次数,输出分类结果:将当前的迭代次数加1作为新的迭代次数,判定新的迭代次数是否达到步骤(4)所设定的最大迭代次数20,如果没有达到,则设定新的标记场为原始的标记场X,返回步骤(5);如果达到,则将新的标记场确定为极化SAR图像的最终的分类结果并输出。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于西安电子科技大学,未经西安电子科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/patent/201610436436.4/,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top