[发明专利]一种结合旋转域极化零角特征的极化SAR地物分类方法

摘要

本发明属于全极化合成孔径雷达成像遥感技术领域，涉及一种结合旋转域极化零角特征的极化SAR地物分类方法。主要包括八个具体步骤。第一步，选择待分类的极化SAR图像；第二步，相干斑滤波；第三步，极化特征参数提取；基于滤波后的极化SAR图像，提取出其中各像素点相应的极化特征参数；第四步，将极化特征参数归一化；第五步，选择训练样本和测试样本；第六步，训练SVM分类器；第七步，分类处理，输出分类结果；第八步，计算分类精度。本发明实现简单，对不同时相的极化SAR图像数据具有很好的鲁棒性，并且实施起来也非常方便，可直接用于对各种极化SAR系统获得的不同时相极化SAR图像数据进行地物分类处理。

主权项

一种结合旋转域极化零角特征的极化SAR地物分类方法，其特征在于，包括以下步骤：(S1)选择待分类的极化SAR图像；(S2)对待分类的极化SAR图像进行相干斑滤波；得到滤波后的极化SAR图像中各像素点的极化相干矩阵，记为Tij，i＝1,2,…,I，j＝1,2,…,J，I×J表示为极化SAR图像的大小；(S3)提取极化特征参数；基于滤波后的极化SAR图像，提取出每个像素点对应的极化特征参数，所述极化特征参数包括旋转域极化零角特征和旋转不变极化特征；每个像素点对应的极化特征参数构成极化特征参数集；(S4)将极化特征参数归一化；(S5)选择训练样本和测试样本；从步骤(S2)中滤波后极化SAR图像的所有像素点中，选出已知真实地物类别的像素点，记各种已知地物类别对应的像素点数目为Pk,k＝1,2,…,K，其中K为已知地物类别的总数；分别从每个地物类别对应的Pk个像素点中随机选取q％的像素点作为训练样本，剩余(100‑q)％的像素点则作为测试样本；(S6)训练SVM分类器；将训练样本对应的经归一化后的极化特征参数集以及相应的真实地物类别标记输入至SVM分类器，对其进行训练，得到训练好的SVM分类器；(S7)分类处理；将极化SAR图像中全部I×J个像素点经归一化后的极化特征参数集输入至所述步骤(S6)中训练好的SVM分类器，通过分类处理得到极化SAR图像中全部像素点各自的分类结果；(S8)计算分类精度；根据所述步骤(S7)中得到的极化SAR图像中全部像素点的分类结果，提取测试样本的分类结果；将测试样本的分类结果与测试样本相应的真实地物类别标记进行比较；在测试样本所对应的像素点中，对于某一特定地物类别，其分类精度的计算公式为：计算得到测试样本中的所有地物类别各自的分类精度；进一步，测试样本的总体分类精度计算公式为：