專利名稱：基于Freeman分解和數(shù)據(jù)分布特征的極化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(shuō)是一種基于Freeman分解和數(shù)據(jù)分布特征的極化SAR圖像分類方法，可用于對(duì)極化SAR圖像的進(jìn)行地物分類。
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(shì)，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(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 applicationsofpolarimetric SAR[J]. IEEE Trans. Geosci. Remote Sensing. 1997,35 (I) :549-557.該方法主要是通過(guò)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(guò)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。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, et al. Unsupervised classificationusingpolarimetric decomposition and the comp lex Wishart classifier[J].IEEETrans. Geosci. 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分解的多極化圖像非監(jiān)督分類算法，見 Lee J S, Grunes M R, Pottier E, et al. Unsupervisedterrainclassification preserving polarimetric scattering characteristic[J].IEEETrans. Geosci. Remote Sensing. 2004,42(4) :722-731.該方法主要是通過(guò)Freeman分解獲取平面散射功率、二面角散射功率和體散射功率，然后根據(jù)這三個(gè)散射功率的大小對(duì)極化數(shù)據(jù)進(jìn)行劃分，并對(duì)初始劃分進(jìn)行類別合并，最后再利用Wishart分類器進(jìn)行迭代，重新劃分，提高分類效果。該方法結(jié)合了 Freeman分解和復(fù)Wishart分布,具有保持極化SAR的主要散射機(jī)制純凈性的特性，但是該方法中由于Freeman分解中的多類的劃分以及合并，因而計(jì)算復(fù)雜度較高，分類時(shí)間長(zhǎng)。

發(fā)明內(nèi)容
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Freeman分解和數(shù)據(jù)分布特征的極化SAR圖像分類方法，以降低計(jì)算復(fù)雜度，提高分類速度。為實(shí)現(xiàn)上述目的，本發(fā)明包括如下步驟(I)讀入一幅待分類的極化SAR圖像，對(duì)圖像中的每個(gè)像素點(diǎn)進(jìn)行Freeman分解，得到三個(gè)散射功率Ps，Pd, Pv，其中Ps表示表面散射功率，Pd表示二面角散射功率，Pv表示體散射功率；(2)根據(jù)每個(gè)像素點(diǎn)的三個(gè)散射功率Ps，Pd，Pv，計(jì)算max(Ps，Pd，Pv)的值，如果max (Ps, Pd, Pv) = Ps,則將其對(duì)應(yīng)的像素點(diǎn)劃分為一類，如果max (Ps, Pd, Pv) = Pd,則將其對(duì)應(yīng)的像素點(diǎn)劃分為一類，如果max (Ps, Pd, Pv) = Pv,則將其對(duì)應(yīng)的像素點(diǎn)劃分為一類,從而將極化SAR圖像初始劃分為三類，其中，max ( ·)表示最大值；
(3)對(duì)得到的三類初始劃分結(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:3a)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Freeman分解和數(shù)據(jù)分布特征的極化SAR圖像分類方法，包括如下步驟 (1)讀入一幅待分類的極化SAR圖像，對(duì)圖像中的每個(gè)像素點(diǎn)進(jìn)行Freeman分解，得到三個(gè)散射功率Ps，Pd, Pv，其中Ps表示表面散射功率，Pd表示ニ面角散射功率，Pv表示體散射功率； (2)根據(jù)每個(gè)像素點(diǎn)的三個(gè)散射功率Ps，Pd,Pv,計(jì)算max (Ps, Pd, Pv)的值，如果max (Ps, Pd, Pv) = Ps,則將其對(duì)應(yīng)的像素點(diǎn)劃分為ー類，如果max (Ps, Pd, Pv) = Pd,則將其對(duì)應(yīng)的像素點(diǎn)劃分為ー類，如果max (Ps, Pd, Pv) = Pv,則將其對(duì)應(yīng)的像素點(diǎn)劃分為ー類,從而將極化SAR圖像初始劃分為三類，其中，max( ·)表示最大值； (3)對(duì)得到的三類初始劃分結(jié)果，計(jì)算每一類中每個(gè)像素點(diǎn)的分布特征參數(shù)Xじ 3a)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)作為ー個(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I所述的基于Freeman分解和數(shù)據(jù)分布特征的極化SAR圖像分類方法，其中步驟(I)所述的對(duì)圖像中的每個(gè)像素點(diǎn)進(jìn)行Freeman分解，按如下步驟進(jìn)行 Ia)讀入極化SAR圖像的姆個(gè)像素點(diǎn),姆個(gè)像素點(diǎn)為ー個(gè)含有9個(gè)元素極化協(xié)方差矩陣C ；
3.根據(jù)權(quán)利要求I所述的基于Freeman分解和數(shù)據(jù)分布特征的極化SAR圖像分類方法，其中步驟(5)所述的對(duì)整個(gè)極化SAR圖像的9類劃分結(jié)果進(jìn)行復(fù)Wishart迭代，按如下步驟進(jìn)行 5a)對(duì)整個(gè)極化SAR圖像的9類劃分結(jié)果，根據(jù)下式求每ー類的聚類中心Bi
全文摘要
本發(fā)明公開了一種基于Freeman分解和數(shù)據(jù)分布特征的極化SAR圖像分類方法，主要解決現(xiàn)有技術(shù)計(jì)算復(fù)雜度較高和分類效果差的問(wèn)題。其實(shí)現(xiàn)步驟為1)對(duì)待分類的極化SAR圖像進(jìn)行Freeman分解，獲取平面散射、二面角散射及體散射三種散射功率；2)根據(jù)三種散射功率將極化SAR圖像初始劃分為三類；3)計(jì)算每一類中各像素點(diǎn)的分布特征參數(shù)χL；4)根據(jù)分布特征參數(shù)χL的值將初始劃分的三類的每一類再劃分為3類，從而將整個(gè)極化SAR圖像劃分為9類；5)對(duì)得到的9類劃分結(jié)果進(jìn)行復(fù)Wishart迭代，得到最終的分類結(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。
文檔編號(hào)G06K9/62GK102968640SQ20121041513
公開日2013年3月13日 申請(qǐng)日期2012年10月25日 優(yōu)先權(quán)日2012年10月25日
發(fā)明者王爽, 侯小瑾, 李崇謙, 李婷婷, 劉亞超, 馬文萍, 馬晶晶, 劉坤, 張濤 申請(qǐng)人:西安電子科技大學(xué)