[发明专利]结合先验概率估计的SAR影像水体概率制图方法

摘要

本发明公开了一种结合先验概率估计的SAR影像水体概率制图方法，包括以下步骤：步骤1，建立SAR影像像元后向散射系数分布统计模型假设；步骤2，估计水体分布先验概率；步骤3，根据研究区域影像后向散射系数σ0估计分布参数；步骤4，计算该像元属于水体的条件概率。本发明采用贝叶斯推断对研究区域影像像元后向散射系数做Gauss分布假设，随后结合k‑means聚类算法对像元做水体、非水体二分类，计算研究区域水体像元比例作为水体分布先验概率的估计值，最后结合该先验概率估计值将后向散射系数理论概率密度函数叠加在统计分布直方图之上，使用非线性最小二乘拟合完成模型参数估计，得到研究区域影像每个像元属于水体的概率。

主权项

1.结合先验概率估计的SAR影像水体概率制图方法，其特征在于，包括以下步骤：步骤1，建立SAR影像像元后向散射系数分布统计模型假设，具体如下：1.1)将研究区域影像所有像元的后向散射系数σ₀组成的样本集合作为水体W与非水体两部分的非交并集，其中水体W和非水体两种类别用于描述某个像元的状态，后向散射系数σ₀用于描述某个像元的散射特征；记水体像元的后向散射系数分布概率密度函数为p(σ₀|W)，非水体像元的后向散射系数分布概率密度函数为研究区域后向散射系数边际分布的概率密度函数为p(σ₀)，则有：式中，p(W)与分别表示水体与非水体像元所占比例，1.2)对水体、非水体两类像元的σ₀作Gauss分布假设，即假设其中(μ_W,s_W)为水体像元σ₀的均值、标准差；为非水体像元σ₀的均值、标准差；步骤2，估计水体分布先验概率p(W)：以σ0为特征、使用k‑means聚类算法对研究区域影像像元进行聚类分析，计算低σ0簇像元所占像元总数比例作为水体分布先验概率p(W)的估计值；步骤3，根据研究区域影像后向散射系数σ₀估计分布参数步骤4，根据像元σ₀值和贝叶斯公式p(W|σ₀)＝p(W)p(σ₀|W)/p(σ₀)，计算该像元属于水体的条件概率p(W|σ₀)；将分布参数代入模型p(W|σ₀)＝p(W)p(σ₀|W)/p(σ₀)便得到了一个从像元σ₀值到该像元属于水体的条件概率p(W|σ₀)值的映射。将映射作用于整个研究区域可以得到该区域中每个像元属于水体的概率，即完成了该区域的水体分布概率制图。