[发明专利]综合多特征的极化SAR图像随机森林分类方法

摘要

本发明公开了一种综合多特征的极化SAR图像随机森林分类方法，包括以下步骤：利用SLIC超像素生成算法分割待分类的极化SAR图像；提取极化SAR图像的特征信息，构建高维极化特征图；基于高维极化特征图训练随机森林模型，构建极化SAR图像随机森林模型；利用极化SAR图像随机森林模型统计像素各类别票数，以超像素为单元构建基于随机森林的超像素类别概率图；基于PLR模型迭代修正各超像素类别概率，得到迭代修正的超像素类别概率图；以超像素为单元计算各超像素类别，输出分类结果。本发明利用改进的SLIC算法生成准确细腻的超像素作为分类单元，有效降低了极化SAR图像中相干斑噪声的干扰；利用超像素间邻域特征进一步减小了相干斑噪声的干扰，提高了分类结果精度。

主权项

1.一种综合多特征的极化SAR图像随机森林分类方法，包括以下步骤：步骤S1)，利用Pauli分解特征重新定义像素与超像素中心间的距离，利用SLIC超像素生成算法分割待分类的极化SAR图像；步骤S2)，从待分类的极化SAR图像中提取极化SAR图像的特征信息，构建高维极化特征图；步骤S3)，选取各类别样本，基于所述步骤S2)中生成的高维极化特征图训练随机森林模型，构建极化SAR图像随机森林模型；步骤S4)，基于高维极化特征图，利用极化SAR图像随机森林模型统计像素各类别票数，以超像素为单元构建基于随机森林的超像素类别概率图；步骤S5)，利用超像素间的邻域信息，基于PLR模型迭代修正各超像素类别概率，得到迭代修正的超像素类别概率图；步骤S6)，以超像素为单元计算各超像素类别，输出分类结果。