技術(shù)特征：
1.一種基于面向?qū)ο蠛妥V聚類的極化SAR圖像分類方法，包括以下步驟:(1)讀取極化合成孔徑雷達(dá)SAR數(shù)據(jù)的相干矩陣T，并對(duì)其進(jìn)行Lee濾波，得到濾波后的相干矩陣T，提取該相干矩陣T的Pauli特征，根據(jù)該P(yáng)auli特征合成極化合成孔徑雷達(dá)SAR的彩色圖像；(2)設(shè)置極化合成孔徑雷達(dá)SAR的有關(guān)參數(shù)：彩色圖異質(zhì)度閾值為1000、最大循環(huán)次數(shù)CN為10、光譜權(quán)重w為0.6、形譜權(quán)重m為0.4；(3)合并彩色圖像的所有像素：(3a)在極化合成孔徑雷達(dá)SAR的彩色圖中任選一個(gè)像素點(diǎn)Px，找出與Px相鄰的四個(gè)像素點(diǎn)P1、P2、P3、P4，根據(jù)異質(zhì)度公式得到像素點(diǎn)Px分別與其相鄰的四個(gè)像素點(diǎn)P1、P2、P3、P4之間的異質(zhì)度，并記像素點(diǎn)中最小異質(zhì)度Ps對(duì)應(yīng)的兩個(gè)像素點(diǎn)為Px和Pn；(3b)將像素點(diǎn)中最小異質(zhì)度Ps與極化合成孔徑雷達(dá)SAR的彩色圖異質(zhì)度閾值1000進(jìn)行比較，如果像素點(diǎn)中最小異質(zhì)度Ps小于極化合成孔徑雷達(dá)SAR的彩色圖異質(zhì)度閾值1000，則將像素點(diǎn)中Ps對(duì)應(yīng)的兩個(gè)像素點(diǎn)Px和Pn合并形成超像素塊；(3c)檢查極化合成孔徑雷達(dá)SAR的彩色圖中的像素點(diǎn)是否都被選擇過，如果存在沒有被選擇的像素點(diǎn)，則返回步驟(3a)，否則，執(zhí)行步驟(3d)；(3d)在極化合成孔徑雷達(dá)SAR的彩色圖中找出含有像素點(diǎn)數(shù)目最少的超像素塊，計(jì)算該超像素塊內(nèi)包含的像素點(diǎn)數(shù)目，如果該像素點(diǎn)數(shù)大于給定的彩色圖異質(zhì)度閾值1000，則執(zhí)行步驟(5)，否則，執(zhí)行步驟(4)；(4)合并彩色圖像的所有超像素塊：(4a)在極化合成孔徑雷達(dá)SAR的彩色圖的超像素塊中任選一個(gè)超像素塊SPx，找出與SPx相鄰的四個(gè)超像素塊SP1、SP2、SP3、SP4，根據(jù)異質(zhì)度公式得到超像素塊SPx分別與其相鄰的四個(gè)超像素塊SP1、SP2、SP3、SP4之間的異質(zhì)度，并記超像素塊最小異質(zhì)度SPs對(duì)應(yīng)的兩個(gè)超像素塊為SPx和SPn；(4b)將超像素塊最小異質(zhì)度SPs與極化合成孔徑雷達(dá)SAR的彩色圖異質(zhì)度閾值1000進(jìn)行比較，如果SPs小于該異質(zhì)度閾值1000，則將該SPs對(duì)應(yīng)的兩個(gè)超像素塊SPx和SPn合并為一個(gè)新的超像素塊，否則，執(zhí)行步驟(4c)；(4c)檢查極化合成孔徑雷達(dá)SAR的彩色圖中的超像素塊是否都被選擇過，如果存在沒有被選擇的超像素塊，則返回步驟(4a)，否則，執(zhí)行步驟(4d)；(4d)在極化合成孔徑雷達(dá)SAR的彩色圖中找出含有像素點(diǎn)數(shù)目最少的超像素塊，計(jì)算該超像素塊內(nèi)包含的像素點(diǎn)數(shù)目，如果該像素點(diǎn)數(shù)大于給定的彩色圖異質(zhì)度閾值1000，則執(zhí)行步驟(5)，否則，執(zhí)行步驟(4e)；(4e)判斷合并超像素的次數(shù)是否大于最大循環(huán)次數(shù)10，如果是，則執(zhí)行步驟(5),否則，返回步驟(4a)；(5)計(jì)算超像素塊類心：(5a)統(tǒng)計(jì)出每一個(gè)超像素塊內(nèi)的像素?cái)?shù)目P，計(jì)算超像素的相干矩陣的加權(quán)和Ta；其中，Pij表示第i個(gè)超像素塊內(nèi)的第j個(gè)像素點(diǎn)的相干矩陣T，NUM為第i個(gè)超像素塊內(nèi)像素點(diǎn)的總數(shù)目；(5b)求出每一個(gè)超像素塊的相干矩陣均值Ts：Ts＝Ta/P；(6)將相干矩陣均值Ts作為對(duì)應(yīng)超像素塊的類心，利用譜聚類方法對(duì)該超像素塊類心進(jìn)行分類，得到超像素塊的類別，完成對(duì)極化SAR圖像的分類。2.根據(jù)權(quán)利要求1所述的基于面向?qū)ο蠛妥V聚類的極化SAR圖像分類方法，其中步驟(1)涉及的濾波后的相干矩陣T，它是一個(gè)3*3*M的矩陣，其中，M表示極化合成孔徑雷達(dá)SAR的總像素?cái)?shù)，每個(gè)像素點(diǎn)的相干矩陣為的維數(shù)為3*3。3.根據(jù)權(quán)利要求1所述的基于面向?qū)ο蠛妥V聚類的極化SAR圖像分類方法，其中步驟(3a)、步驟(4a)涉及的異質(zhì)度公式，其表示如下：f＝w*h+m*v其中，f表示極化合成孔徑雷達(dá)SAR數(shù)據(jù)彩色圖相鄰像素塊之間的異質(zhì)度，w表示極化合成孔徑雷達(dá)SAR數(shù)據(jù)彩色圖的光譜權(quán)重，m表示極化合成孔徑雷達(dá)SAR數(shù)據(jù)彩色圖的形譜權(quán)重,h表示極化合成孔徑雷達(dá)SAR數(shù)據(jù)彩色圖相鄰像素塊的光譜異質(zhì)度，v表示極化合成孔徑雷達(dá)SAR數(shù)據(jù)彩色圖相鄰像素的形狀異質(zhì)度。4.根據(jù)權(quán)利要求1所述的基于面向?qū)ο蠛妥V聚類的極化SAR圖像分類方法，其中步驟(6)所述的利用譜聚類方法對(duì)該超像素塊類心進(jìn)行分類，按如下步驟進(jìn)行：(6a)根據(jù)超像素塊的類心Ts構(gòu)造親和度矩陣A:其中N代表超像素塊的數(shù)目；Ai,j代表親和度矩陣A的第i行第j列元素，σ代表了尺度因子，d(si,sj)是wishart距離，它代表像素點(diǎn)si和sj之間的差異性；(6b)根據(jù)親和度矩陣A構(gòu)造歸一化親和度矩陣：其中：Di,k代表超像素塊矩陣歸一化親和度矩陣D第i行第k列元素；(6c)計(jì)算親和度矩陣L的特征值，得到最大的k個(gè)特征值所代表的特征向量：其中xi,j代表特征向量矩陣X的第i行第j列元素；(6d)構(gòu)建超像素塊矩陣其中Yi,j代表超像素塊矩陣Y第i行第j列元素，(6e)利用k均值算法對(duì)超像素塊矩陣Y進(jìn)行聚類，得到超像素塊的類別，完成對(duì)極化SAR圖像的分類。