一種基于極化特征和近鄰傳播聚類的極化sar圖像分類方法
【專利摘要】本發(fā)明公開了一種基于極化特征和近鄰傳播聚類的極化SAR圖像分類方法，主要解決現(xiàn)有無監(jiān)督極化SAR分類方法分類精度不高的問題。其實(shí)現(xiàn)步驟為：對(duì)每個(gè)像素點(diǎn)進(jìn)行特征分解和Freeman分解，提取像素點(diǎn)的三種系數(shù)和四種散射功率；根據(jù)獲得的系數(shù)和散射功率對(duì)圖像進(jìn)行劃分，得到7種類別；對(duì)獲得的每一類，利用數(shù)據(jù)分布特征將其分成3個(gè)小類；對(duì)得到的21個(gè)類別計(jì)算相似度矩陣，然后用近鄰傳播聚類對(duì)其聚類，得到圖像的預(yù)分類結(jié)果；最后，對(duì)預(yù)分類得到的圖像用Wishart分類器進(jìn)行迭代分類，得到最終分類結(jié)果。本發(fā)明與經(jīng)典分類方法相比，對(duì)極化SAR圖像的劃分更加嚴(yán)謹(jǐn)，分類效果更佳，計(jì)算復(fù)雜度相對(duì)較小，可用于對(duì)極化SAR圖像的進(jìn)行地物分類和目標(biāo)識(shí)別。
【專利說明】—種基于極化特征和近鄰傳播聚類的極化SAR圖像分類方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，涉及極化SAR圖像地物分類領(lǐng)域的應(yīng)用，具體的說是一種基于極化特征和近鄰傳播聚類的極化SAR圖像分類方法。
【背景技術(shù)】
[0002]極化SAR雷達(dá)能夠得到更豐富的目標(biāo)信息，在農(nóng)業(yè)、林業(yè)、軍事、地質(zhì)學(xué)、水文學(xué)和海洋等方面具有廣泛的研究和應(yīng)用價(jià)值，如地物種類的識(shí)別、農(nóng)作物成長(zhǎng)監(jiān)視、產(chǎn)量評(píng)估、地物分類、海冰監(jiān)測(cè)、地面沉降監(jiān)測(cè)，目標(biāo)檢測(cè)和海洋污染檢測(cè)等。極化SAR圖像分類的目的是利用機(jī)載或星載極化傳感器獲得的極化測(cè)量數(shù)據(jù)，確定每個(gè)像素所屬的類別。經(jīng)典的極化SAR分類方法包括:
[0003]Cloude等人提出了基于H/α目標(biāo)分解的極化SAR圖像非監(jiān)督分類方法，見CloudeS R, Pottier E.An entropy based classification scheme for land applications ofpolarimetric SAR[J].1EEE Trans.Geosc1.Remote Sensing.1997,35(1):549-557.該方法主要是通過Cloude分解提取兩個(gè)表征極化數(shù)據(jù)的特征H和α，然后根據(jù)Η/α平面將極化圖像劃分為9個(gè)區(qū)域，其中一個(gè)理論上不可能存在的區(qū)域，因此最終將圖像劃分為8類。Η/α分類存在的兩個(gè)缺陷:一個(gè)是區(qū)域的劃分過于武斷；另一個(gè)是當(dāng)同一個(gè)區(qū)域里共存幾種不同的地物時(shí)，將不能有效區(qū)分。
[0004]Lee等人提出了基于H/α目標(biāo)分解和Wishart分類器的H/a-Wishart非監(jiān)督分類方法，見 Lee J S, Grunes M R, Ainsworth T L, etal.Unsupervised classificationusing polarimetric decomposition and the complex Wishart classifier[J].1EEETrans.Geosc1.Remote Sensing.1999,37(5):2249-2258.該方法是在原始 H/α 分類基礎(chǔ)上增加了 Wishart迭代，主要是對(duì)H/ α劃分后的8類利用Wishart分類器對(duì)每一個(gè)像素進(jìn)行重新劃分，從而有效的提高了分類的精度，但是又存在不能很好的保持各類的極化散射特性的不足。
[0005]近鄰傳播聚類是近年出現(xiàn)的一種在數(shù)據(jù)挖掘領(lǐng)域極具競(jìng)爭(zhēng)力的聚類算法，相比較于傳統(tǒng)聚類算法，近鄰傳播聚類方法能夠在較短時(shí)間內(nèi)完成大規(guī)模多類別數(shù)據(jù)集的聚類，并且該算法能夠很好地解決非歐空間問題。然而該算法在應(yīng)用到圖像分割領(lǐng)域時(shí)，計(jì)算量和存儲(chǔ)量是難以承受的，嚴(yán)重阻礙了該算法的性能發(fā)揮。
[0006]上述圖像處理方法未能體現(xiàn)極化SAR數(shù)據(jù)的分布特性；也沒有減少了近鄰傳播聚類算法的計(jì)算量和存儲(chǔ)量；且不能根據(jù)圖像的具體情況對(duì)圖像自適應(yīng)的進(jìn)行聚類。

【發(fā)明內(nèi)容】

[0007]本發(fā)明的目的在于針對(duì)已有技術(shù)的不足，提出一種基于極化特征和近鄰傳播聚類的極化SAR圖像分類方法，可用于對(duì)極化SAR圖像的地物分類和目標(biāo)識(shí)別分類效果進(jìn)行提聞。[0008]為實(shí)現(xiàn)上述目的，本發(fā)明技術(shù)方案是:一種基于極化特征和近鄰傳播聚類的極化SAR圖像分類方法，其特征是:包括如下步驟:
[0009](I)對(duì)待分類的極化SAR圖像中每個(gè)像素點(diǎn)的相干矩陣T進(jìn)行特征分解，得到每個(gè)像素點(diǎn)的單一散射機(jī)制系數(shù)Ps，雙散射機(jī)制系數(shù)Pd和三種散射機(jī)制系數(shù)Pr;
[0010](2)對(duì)待分類的極化SAR圖像中每個(gè)像素點(diǎn)進(jìn)行Freeman分解，得到每個(gè)像素點(diǎn)的表面散射功率ps，二面角散射功率Pd，體散射功率Pv ；
[0011](3)根據(jù)每個(gè)像素點(diǎn)的單一散射機(jī)制系數(shù)Ps，雙散射機(jī)制系數(shù)Pd和三種散射機(jī)制系數(shù)P r,對(duì)待分類的極化SAR圖像進(jìn)行初始劃分:根據(jù)max ( P s, P d, P v)的值的大小，將待分類的極化SAR圖像數(shù)據(jù)初始劃分為7類，即當(dāng)max (P s，P d，P v) = P 3時(shí)，認(rèn)為只有一種主散射機(jī)制，將max (Ps, Pd, Pv) = Ps的對(duì)應(yīng)像素點(diǎn)劃分為Ps類，將max (Ps, Pd, Pv) = Pd的對(duì)應(yīng)像素點(diǎn)劃分為Pd類，將max (Ps, Pd, Pv) = Pv對(duì)應(yīng)像素點(diǎn)劃分為Pv類；當(dāng)max ( P s，P d，P v)=Pd時(shí)，認(rèn)為同時(shí)存在兩種主散射機(jī)制，將min(Ps，Pd，Pv) = Ps的對(duì)應(yīng)像素點(diǎn)劃分為PdPv類，將min (Ps, Pd, Pv) = Pd的對(duì)應(yīng)像素點(diǎn)劃分為PsPv類，將min (Ps, Pd, Pv) = Pv對(duì)應(yīng)像素點(diǎn)劃分為PsPd類；當(dāng)max( Ps，Pd，Pv) = P 7時(shí)，認(rèn)為三種散射同時(shí)存在，將對(duì)應(yīng)的像素點(diǎn)劃分為Ρ#Λ類；
[0012](4)對(duì)得到的7類初始劃分結(jié)果，計(jì)算每一類中每個(gè)像素點(diǎn)的分布特征參數(shù)XL:
[0013](4a)將每個(gè)像素點(diǎn)及其周圍的像素點(diǎn)總共九個(gè)像素點(diǎn)作為一個(gè)小區(qū)域，計(jì)算該區(qū)域的相對(duì)峰值RK:
【權(quán)利要求】
1.一種基于極化特征和近鄰傳播聚類的極化SAR圖像分類方法，其特征是:包括如下步驟: (1)對(duì)待分類的極化SAR圖像中每個(gè)像素點(diǎn)的相干矩陣T進(jìn)行特征分解，得到每個(gè)像素點(diǎn)的單一散射機(jī)制系數(shù)Ps，雙散射機(jī)制系數(shù)Pd和三種散射機(jī)制系數(shù)Pd (2)對(duì)待分類的極化SAR圖像中每個(gè)像素點(diǎn)進(jìn)行Freeman分解，得到每個(gè)像素點(diǎn)的表面散射功率Ps，二面角散射功率Pd，體散射功率Pv ; (3)根據(jù)每個(gè)像素點(diǎn)的單一散射機(jī)制系數(shù)Ps，雙散射機(jī)制系數(shù)Pd和三種散射機(jī)制系數(shù)P P對(duì)待分類的極化SAR圖像進(jìn)行初始劃分:根據(jù)max ( P s, P d, P v)的值的大小，將待分類的極化SAR圖像數(shù)據(jù)初始劃分為7類，即當(dāng)max(P s，P d，P v) = P s時(shí)，認(rèn)為只有一種主散射機(jī)制，將max (Ps, Pd, Pv) = Ps的對(duì)應(yīng)像素點(diǎn)劃分為Ps類，將max (Ps, Pd, Pv) = Pd的對(duì)應(yīng)像素點(diǎn)劃分為Pd類，將max (Ps, Pd, Pv) = Pv對(duì)應(yīng)像素點(diǎn)劃分為Pv類；當(dāng)max ( P s, Pd, Pv)=P d時(shí)，認(rèn)為同時(shí)存在兩種主散射機(jī)制，將min (Ps, Pd, Pv) = Ps的對(duì)應(yīng)像素點(diǎn)劃分為PdPv類，將min (Ps, Pd, Pv) = Pd的對(duì)應(yīng)像素點(diǎn)劃分為PsPv類，將min (Ps, Pd, Pv) = Pv對(duì)應(yīng)像素點(diǎn)劃分為PsPd類；當(dāng)max (P s, Pd, Pv) = P v時(shí),認(rèn)為三種散射同時(shí)存在,將對(duì)應(yīng)的像素點(diǎn)劃分為PsPdPv 類; (4)對(duì)得到的7類初始劃分結(jié)果，計(jì)算每一類中每個(gè)像素點(diǎn)的分布特征參數(shù)XL: (4a)將每個(gè)像素點(diǎn)及其周圍的像素點(diǎn)總共九個(gè)像素點(diǎn)作為一個(gè)小區(qū)域，計(jì)算該區(qū)域的相對(duì)峰值RK:
2.根據(jù)權(quán)利要求1所述的基于極化特征和近鄰傳播聚類的極化SAR圖像分類方法，其特征是和:其中步驟(1)所述的對(duì)待分類的極化SAR圖像中每個(gè)像素點(diǎn)的相干矩陣T進(jìn)行特征分解，按如下步驟進(jìn)行: (Ia)讀入圖像的每個(gè)像素點(diǎn)，這些像素點(diǎn)為一個(gè)含有9個(gè)元素的3X3相干矩陣T ；

3.根據(jù)權(quán)利要求1所述的基于極化特征和近鄰傳播聚類的極化SAR圖像分類方法，其特征是:其中步驟(2)所述的對(duì)每個(gè)像素點(diǎn)進(jìn)行Freeman分解，按如下步驟進(jìn)行: (2a)讀入圖像的每個(gè)像素點(diǎn)，該像素點(diǎn)為一個(gè)3X3的相干矩陣T，根據(jù)相干矩陣T得到協(xié)方差矩陣C ；
4.根據(jù)權(quán)利要求1所述的基于極化特征和近鄰傳播聚類的極化SAR圖像分類方法，其特征是:其中步驟(11)所述的用近鄰傳播聚類對(duì)特征向量矩陣X進(jìn)行聚類，得到整幅圖像的預(yù)分類結(jié)果，按如下步驟進(jìn)行: (Ila)根據(jù)特征向量矩陣X計(jì)算新相似矩陣S，

5.根據(jù)權(quán)利要求1所述的基于極化特征和近鄰傳播聚類的極化SAR圖像分類方法，其特征是:其中步驟(12)所述的對(duì)預(yù)分類得到的整幅圖像用Wishart分類器進(jìn)行迭代分類，按如下步驟進(jìn)行: (12a)對(duì)整幅圖像預(yù)分類得到的結(jié)果，計(jì)算每一類的聚類中心B。:

【文檔編號(hào)】G06K9/62GK103839073SQ201410055001
【公開日】2014年6月4日 申請(qǐng)日期:2014年2月18日 優(yōu)先權(quán)日:2014年2月18日
【發(fā)明者】王爽, 焦李成, 劉亞超, 于佳平, 馬晶晶, 馬文萍, 侯彪 申請(qǐng)人:西安電子科技大學(xué)