[发明专利]基于散射熵和三分量分解平面的极化SAR图像分类方法

摘要

本发明提供一种基于散射熵和三分量分解平面的极化SAR图像分类方法，涉及雷达图像处理技术领域。该方法将散射熵和Freeman三分量对目标地物初始划分为9类，并根据9个类别计算聚类中心，根据Wishart距离将目标地物聚类到期望的数目，首先根据散射熵H将地物分为高熵散射地物、中熵散射地物和低熵散射地物，再分别将3个类别按表面散射、偶次散射和体散射划分为9类地物，然后用Wishart分类器对初始分类进行更进一步的划分。本发明能够对极化SAR图像进行更加准确的分类，在处理过程中没有近似，能较好的保留细节信息，大大减少城镇地区的错误分类。

主权项

一种基于散射熵和三分量分解平面的极化SAR图像分类方法，其特征在于：该方法包括如下步骤：步骤1：输入待分类的极化SAR数据，并进行Lee滤波处理，得到去噪后的数据；步骤2：计算去噪后每个像素的相干矩阵，在单站后向散射机制的情况下，满足互易条件，相干矩阵为三维矩阵T3；当采用Pauli基对散射矩阵S进行矢量化时，目标散射矢量k3P为k3P=12Shh+SvvShh-Svv2ShvT;]]>目标的极化相干矩阵T3如下式所示：T3=k3Pk3PH=12|Shh+Svv|2(Shh+Svv)(Shh-Svv)*2(Shh+Svv)Shv*(Shh-Svv)(Shh+Svv)*|Shh-Svv|22(Shh-Svv)Shv*2(Shh+Svv)*Shv2Shv(Shh-Svv)*4|Shv|2;]]>其中，Shh和Svv为同极化通道回波功率，Shh代表水平极化通道回波功率，Svv代表垂直极化通道回波功率，Shv和Svh为交叉极化通道回波功率，H表示共轭转置，*为求共轭；步骤3：对去噪后的相干矩阵T3进行Cloude分解，得到3个非负特征值和对应的特征矢量，从而得到对应像素点的散射熵H；步骤3.1：通过求解相干矩阵T3的特征值和特征矢量，将相干矩阵T3分解成三个独立的相干矩阵T0i(i＝1,2,3)之和，获得3个互不相关的目标，其分解公式如下式所示：T3=Σi=13λiei·eiH=T01+T02+T03;]]>其中，λi和ei分别表示特征值和特征向量，H表示共轭转置，ei的表示形式如下式所示：其中，表示目标的绝对相位信息，αi、βi、δi和γi均为极化散射参数；步骤3.2：根据分解得到的特征值和特征矢量，得到散射熵H的计算公式如下式所示：H=Σi=13(-Pilog3Pi);]]>其中，Pi表示对应于由特征值λi获得的伪概率，Pi＝λi/(λ1+λ2+λ3)，散射熵H的取值范围是0≤H≤1；步骤4：按照散射熵值的不同将图像划分成高熵区域、中熵区域和低熵区域三种，其中H≤0.5为低熵区域，0.5＜H≤0.9为中熵区域，H＞0.9为高熵区域；步骤5：分别在以上划分好的三种区域类型中求解地物散射功率，并判断其散射占优类型；按照主要散射机理(表面散射功率Ps、偶次散射功率Pd、体散射功率Pv中的最大者)将图像在步骤4划分好3类的基础上进一步划分为9个散射类别，分别为高熵表面散射、高熵偶次散射、高熵体散射、中熵表面散射、中熵偶次散射、中熵体散射、低熵表面散射、低熵偶次散射、低熵体散射；其中，各散射功率计算公式如下式所示：Ps=fs(1+|β|2)Pd=fd(1+|α|2)Pv=fv;]]>其中，Ps、Pd、Pv分别表示表面散射功率、偶次散射功率、体散射功率，fs、fd、fv分别表示表面散射分量、偶次散射分量、体散射分量对总功率的贡献大小，β表示bragg散射的模型系数，α表示雷达回波过程中的垂直极化波和水平极化波的幅度衰减以及相位变化参数；步骤6：每种散射类别均为一种聚类，分别计算上述9种聚类的平均相干矩阵，并作为相应的聚类中心；平均相干矩阵如下式所示：Z=1nΣk=1nu(k)u(k)H;]]>其中，Z表示平均相干矩阵，n表示视数，矢量u(k)为第k个单视相干矩阵的样本；步骤7：根据Wishart距离度量公式对初始分类的9个散射类别重新聚类，以达到更为理想的分类结果，对图像中的每个像素都计算其与各类中心之间的距离，并将该像素划分到距离最小的那一类中；Wishart距离度量公式如下式所示：d2(Z,ωm)=ln|Cm|+Tr(Cm-1Z);]]>其中，ωm表示类，Cm表示该类对应的协方差矩阵；步骤8：对于重新聚类后的各个类别，根据其标记的散射类别进行着色。