[发明专利]一种极化SAR图像多尺度描述基元的稀疏流形分类方法

摘要

本发明公开了一种极化SAR图像多尺度描述基元的稀疏流形分类方法，为了解决时间序列极化SAR图像非相干信息和相干信息的提取和融合问题，以及极化数据过大、SAR乘性模型非相干的问题，通过一种本质上的特征融合以及流形稀疏表达，可以有效对时间序列极化SAR图像进行分类。本发明公开了一种结合极化非相干特征与时序相干特征两个尺度信息的多尺度描述基元的构造方法，并利用一个压缩感知和稀疏流形表达的多层次的非线性产生式模型来对其进行特征提取和信息降维，这种方法能对时间序列极化SAR图像进行有效的分类，多尺度描述基元也可以成为一种通用的时间序列极化SAR图像处理的基础技术。

主权项

1.一种极化SAR图像多尺度描述基元的稀疏流形分类方法，其特征在于，包括以下步骤：步骤1：准备待分类时间序列SAR图像数据集，从待分类图像中提取极化相干矩阵；步骤2：对待分类图像中提取的极化相干矩阵进行极化尺度上的极化分解和时间尺度上的随机游走，形成多尺度描述基元；具体实现包括以下子步骤：步骤2.1：在极化尺度分别进行Pauli分解、SDH分解、Huynen分解、Holm分解和Cloude分解；步骤2.2：在时间尺度以像素间相似度为权值，以像素点周围八个点以及前后时刻十八个点组成的三维空间内进行随机游走，以多条路径所有带权信息和作为目标像素的相干信息；步骤2.3：组合非相干信息和相干信息形成多尺度描述基元；步骤3：利用步骤1得到待分类时间序列极化SAR图像重叠部分的非相干信息和相干信息，并进行归一化；步骤4：非相干信息、相干信息分别单独输入支持向量机分类器；归一化的特征分别输入联合训练法、Simple MKL、主成分分析法，以这些作为对比试验；步骤5：利用基于稀疏流形表达的非线性产生式模型进行特征提取和信息降维；步骤6：用支持向量机对步骤5中提取的最终特征进行分类。