專利名稱：基于Freeman分解和譜聚類的極化SAR圖像分類方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像處理技術(shù)領(lǐng)域，涉及極化合成孔徑雷達(dá)SAR圖像地物分類領(lǐng)域的應(yīng)用，具體的說是一種基于Freeman分解和譜聚類算法的極化SAR圖像分類方法，可用于對極化SAR圖像的地物分類和目標(biāo)識別。
背景技術(shù)：
隨著雷達(dá)技術(shù)的發(fā)展，極化SAR已成為SAR的發(fā)展趨勢，極化SAR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，如地物種類的識別、農(nóng)作物成長監(jiān)視、產(chǎn)量評估、地物分類、海冰監(jiān)測、地面沉降監(jiān)測，目標(biāo)檢測和海洋污染檢測等。極化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
Lee等人提出了基于Η/α目標(biāo)分解和Wishart分類器的非監(jiān)督分類方法，見Lee J SiGrunes M RiAinsworth T L，et al. Unsupervised classification using polarimetric decomposition and the complex Wishart classifier[J].1EEE Trans. Geosc1. Remote Sensing. 1999,37(5) :2249-2258.該方法主要是對H/α劃分后的8類利用Wishart分類器對每一個(gè)像素進(jìn)行重新劃分，從而有效的提高分類的精度，但是該方法不能很好的保持各類的極化散射特性。
J. S. Lee等基于Freeman分解于提出了一種基于Freeman-Durden分解的極化圖像非監(jiān)督分類算法，見 Lee J S, Grunes M R, Pottier E, et al. Unsupervised terrain classification preserving polarimetric scattering characteristic[J].1EEE Trans. Geosc1. Remote Sensing. 2004,42 (4) :722-731.該方法主要是通過 Freeman 分解獲取表征散射體散射特性的的三個(gè)特征平面散射功率、二面角散射功率和體散射功率， 然后根據(jù)這三個(gè)特征的大小對極化數(shù)據(jù)進(jìn)行劃分，并對初始劃分進(jìn)行類別合并，最后再利用Wishart分類器對每一個(gè)像素進(jìn)行重新劃分。這種算法結(jié)合了 Freeman散射模型和復(fù) Wishart分布，具有保持多極化SAR的主要散射機(jī)制純凈性的特性，但是該方法無法解決混合散射機(jī)制的問題，并且由于Freeman分解中的多類的劃分以及合并，因而計(jì)算復(fù)雜度較聞。
譜聚類算法是近年來國際上機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)，與傳統(tǒng)的聚類算法相比， 它具有能在任意形狀的樣本空間上聚類并且收斂于全局最優(yōu)解的優(yōu)點(diǎn)。然而該算法在應(yīng)用到圖像分割領(lǐng)域時(shí)，計(jì)算量和存儲量是難以承受的，嚴(yán)重阻礙了該算法的性能發(fā)揮。并且采用高斯函數(shù)構(gòu)造相似矩陣時(shí)，尺度參數(shù)對分類結(jié)構(gòu)影響較大并且難以得到最優(yōu)的參數(shù)，使圖像分割的穩(wěn)定性下降。發(fā)明內(nèi)容
本發(fā)明的目的在于針對已有技術(shù)的不足，提出一種基于Freeman分解和譜聚類的極化SAR圖像分類方法，以提高分類效果。
為實(shí)現(xiàn)上述目的，本發(fā)明包括如下步驟1、一種基于Freeman分解和譜聚類的極化SAR圖像分類方法,包括如下步驟(1)對待分類的大小為RXQ極化SAR圖像進(jìn)行濾波，去除斑點(diǎn)噪聲；(2)對濾波后的極化SAR圖像中每個(gè)像素點(diǎn)的相干矩陣T進(jìn)行Freeman分解，得到 每個(gè)像素點(diǎn)的體散射功率Pv、二面角散射功率Pd和表面散射功率Ps ;(3)根據(jù)每個(gè)像素點(diǎn)的體散射功率？7、二面角散射功率Pd和表面散射功率匕，及像 素點(diǎn)的坐標(biāo)，用MeanShift算法對濾波后的圖像進(jìn)行預(yù)分割，得到M個(gè)區(qū)域；(4)在已獲得的M個(gè)區(qū)域上，將每個(gè)區(qū)域的中心點(diǎn)作為新的像素點(diǎn)Ys，得到M個(gè)新 像素點(diǎn)，S = 1，...，M，將這M個(gè)新像素點(diǎn)映射為具有M個(gè)節(jié)點(diǎn)的全連接圖，并對這個(gè)全連 接圖按如下步驟進(jìn)行譜聚類(4a)根據(jù)新像素點(diǎn)Ys的勢能函數(shù)，構(gòu)造新的相似度矩陣A為
權(quán)利要求
1.一種基于Freeman分解和譜聚類的極化SAR圖像分類方法,包括如下步驟 (1)對待分類的大小為RXQ極化SAR圖像進(jìn)行濾波，去除斑點(diǎn)噪聲； (2)對濾波后的極化SAR圖像中每個(gè)像素點(diǎn)的相干矩陣T進(jìn)行Freeman分解，得到每個(gè)像素點(diǎn)的體散射功率Pv、二面角散射功率Pd和表面散射功率Ps ; (3)根據(jù)每個(gè)像素點(diǎn)的體散射功率？7、二面角散射功率Pd和表面散射功率匕，及像素點(diǎn)的坐標(biāo)，用Mean Shift算法對濾波后的圖像進(jìn)行預(yù)分割，得到M個(gè)區(qū)域； (4)在已獲得的M個(gè)區(qū)域上，將每個(gè)區(qū)域的中心點(diǎn)作為新的像素點(diǎn)Ys，得到M個(gè)新像素點(diǎn)，δ = 1，...，Μ，將這M個(gè)新像素點(diǎn)映射為具有M個(gè)節(jié)點(diǎn)的全連接圖，并對這個(gè)全連接圖按如下步驟進(jìn)行譜聚類 (4a)根據(jù)新像素點(diǎn)Ys的勢能函數(shù)，構(gòu)造新的相似度矩陣A為
2.根據(jù)權(quán)利要求1所述的基于Freeman分解和譜聚類的極化SAR圖像分類方法，其中步驟(I)所述的對待分類的大小為RX Q的極化SAR圖像進(jìn)行濾波，采用精致極化LEE濾波法，濾波窗口大小為7X7。
3.根據(jù)權(quán)利要求書I所述的基于Freeman分解和譜聚類的極化SAR圖像分類方法，其中步驟⑵所述的對每個(gè)像素點(diǎn)的相干矩陣T進(jìn)行Freeman分解，按如下步驟進(jìn)行 (2a)讀入濾波后圖像的每個(gè)像素點(diǎn)，這些像素點(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Freeman分解和譜聚類的極化SAR圖像分類方法，其中步驟(3)所述的用Mean Shift算法對濾波后的圖像進(jìn)行預(yù)分割，按如下步驟進(jìn)行 (3a)將每一個(gè)像素點(diǎn)的Freeman分解得到的三種散射功率Pv，Pd, Ps及像素點(diǎn)的坐標(biāo)值，作為Mean Shift算法的輸入特征向量fu，ω = I, . . . , N, N = RXQ ； (3b)根據(jù)每一個(gè)輸入特征向量f計(jì)算期望收斂m(f)的值
5.根據(jù)權(quán)利要求1所述的基于Freeman分解和譜聚類的極化SAR圖像分類方法，其中步驟(6)所述的對預(yù)分類得到的整幅圖像用能反映極化SAR分布特性的Wishart分類器進(jìn)行迭代分類，按如下步驟進(jìn)行 (6a)對整個(gè)極化SAR圖像數(shù)據(jù)的預(yù)分類得到的k類劃分結(jié)果，根據(jù)下式求每一類的聚類中心B。
全文摘要
本發(fā)明公開了一種基于Freeman分解和譜聚類的極化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)步驟為對每個(gè)像素點(diǎn)進(jìn)行Freeman分解，提取像素點(diǎn)的體散射功率，二面角散射功率和表面散射功率；將像素點(diǎn)的三種散射功率及其坐標(biāo)作為Mean Shift算法的輸入特征向量，用Mean Shift算法對圖像進(jìn)行分割，得到M個(gè)區(qū)域；選取M個(gè)區(qū)域的代表點(diǎn)作為譜聚類的輸入點(diǎn)，對各區(qū)域進(jìn)行譜聚類，獲得圖像的預(yù)分類結(jié)果；最后，對預(yù)分類得到的整幅圖像Wishart分類器進(jìn)行迭代分類，得到最終分類結(jié)果。實(shí)驗(yàn)結(jié)果表明本發(fā)明所實(shí)現(xiàn)的極化SAR圖像分類效果更好，可用于對各種極化SAR圖像進(jìn)行無監(jiān)督分類。
文檔編號G06K9/62GK102999762SQ201210414790
公開日2013年3月27日 申請日期2012年10月25日 優(yōu)先權(quán)日2012年10月25日
發(fā)明者焦李成, 劉坤, 郭衛(wèi)英, 李婷婷, 王爽, 馬晶晶, 馬文萍, 劉亞超, 侯小瑾, 張濤 申請人:西安電子科技大學(xué)