[发明专利]基于多核融合与空间Wishart LapSVM的半监督极化SAR图像分类方法

摘要

本发明公开一种基于多核融合与空间Wishart LapSVM的半监督极化SAR图像分类方法，主要解决现有分类方法中由于极化合成孔径雷达全极化SAR图像的标记样本较少造成的分类精度低的问题。其实现步骤为：得到极化相关矩阵T、提取其极化特征向量并做归一化处理、建立训练样本集、构造Spatial‑Wishart流形正则项等步骤，计算分类准确率并输出极化SAR图像分类结果。本发明既解决了传统无监督极化SAR图像分类准确率不高的问题，也避免了监督分类方法需要大量标签数据而造成的人工标记困难和代价高的弊端，联合利用少量有标签数据和大量无标签廉价数据获得了更好的分类效果，可用于极化SAR图像的目标分类、检测和识别。

主权项

一种基于多核融合与空间Wishart LapSVM的半监督极化SAR图像分类方法，包括如下步骤：(1)输入待分类极化SAR图像，得到其极化相干矩阵T；(2)基于极化SAR图像中的极化相干矩阵T，得到极化特征向量，并做特征归一化处理；(3)从待分类的极化SAR图像中每类随机选取1％的数据进行标记，同时联合30％的无标记数据，共同构成训练样本集；(4)基于空间一致性假设及极化SAR数据的极化相干矩阵服从复Wishart分布，设计极化SAR图像像素点之间的相似性度量准则，并根据聚类假设，构造Spatial‑Wishart流形正则项；(5)选定一组核函数，基于多核加权融合策略计算融合核矩阵，对极化特征向量进行高维映射；(6)利用训练样本集训练Spatial‑Wishart LapSVM，并基于PCG算法进行快速优化求解；(7)利用所训练的Spatial‑Wishart LapSVM模型，并基于one‑vs‑one多分类策略对无标记训练样本和测试样本进行标签预测；(8)计算分类准确率并输出极化SAR图像分类结果。