技術(shù)特征：

1.一種基于聚類的極化SAR圖像相干斑自適應(yīng)濾波方法，其特征在于，具體包括以下步驟：

(S1)輸入待濾波的極化SAR圖像，由極化SAR圖像的極化相干矩陣計(jì)算相似度參數(shù)；

(S2)根據(jù)相似度參數(shù)，計(jì)算相似度參數(shù)的距離測(cè)度；

(S3)計(jì)算原始聚類特征參數(shù)；

(S4)對(duì)原始聚類特征參數(shù)序列進(jìn)行降序排列；

(S5)確定聚類類別數(shù)目和聚類中心；

(S6)根據(jù)聚類中心，進(jìn)行聚類處理，得到聚類類別參數(shù)序列；

(S7)選取候選樣本像素集，并對(duì)待濾波像素進(jìn)行濾波處理，遍歷極化SAR圖像中的每一個(gè)像素，得到極化SAR相干斑濾波結(jié)果圖。

2.如權(quán)利要求1所述的一種基于聚類的極化SAR圖像相干斑自適應(yīng)濾波方法，其特征在于，所述步驟(S1)中計(jì)算相似度參數(shù)具體為：極化SAR圖像中的每一個(gè)像素對(duì)應(yīng)一個(gè)極化相干矩陣，記為T_ij,i＝1,2,…,I,j＝1,2,…,J，極化SAR圖像的大小為I×J，I,J為整數(shù)，對(duì)每一個(gè)待濾波像素對(duì)應(yīng)的極化相干矩陣T_ij，記以T_ij為中心的鄰域N×M內(nèi)每一個(gè)極化相干矩陣T_nm，n＝1,2,…,N，m＝1,2,…,M，N、M為奇數(shù)，計(jì)算T_ij和T_nm的相似度參數(shù)lnQ_ij-nm：

lnQ_ij-nm＝6ln2+ln[Det(T_ij)]+ln[Det(T_nm)]-2ln[Det(T_ij+T_nm)]

其中，Det(·)表示取矩陣的行列式；

遍歷鄰域N×M內(nèi)的每一個(gè)極化相干矩陣T_nm，得到相似度參數(shù)矩陣lnQ_ij-NM。

3.如權(quán)利要求2所述的一種基于聚類的極化SAR圖像相干斑自適應(yīng)濾波方法，其特征在于，所述步驟(S2)計(jì)算相似度參數(shù)的距離測(cè)度具體為：將鄰域N×M內(nèi)的相似度參數(shù)矩陣lnQ_ij-NM按列展開，構(gòu)建相似度參數(shù)向量lnQ_ij-P，P＝N×M，計(jì)算相似度參數(shù)向量lnQ_ij-P內(nèi)兩兩元素之間的距離測(cè)度D_xy：

D_xy＝|lnQ_ij-x-lnQ_ij-y|

其中，x＝1,2,…,P，y＝1,2,…,P；|·|為取絕對(duì)值。

4.如權(quán)利要求2所述的一種基于聚類的極化SAR圖像相干斑自適應(yīng)濾波方法，其特征在于，所述步驟(S3)計(jì)算原始聚類特征參數(shù)具體過程為：

對(duì)鄰域N×M內(nèi)的每一個(gè)像素x，計(jì)算該像素的局部密度參數(shù)ρ_x：

${\mathrm{\ρ}}_x=\underset{y=1}{\overset{N\×M}{\Σ}}{e}^{{(-\frac{D_{xy}}{d_c})}^2}$

其中，d_c為截?cái)嗑嚯x，y＝1,2,…,P，P＝N×M，D_xy為距離測(cè)度；

計(jì)算鄰域N×M內(nèi)的每一個(gè)像素x與鄰域N×M內(nèi)局部密度大于ρ_x的像素的最小距離，即：

δ_x＝min(D_xy)，其中ρ_x＜ρ_y

同時(shí)，記錄滿足δ_x＝min(D_xy)的ρ_y的下標(biāo)為即鄰域N×M內(nèi)像素是所有局部密度大于ρ_x的像素中與像素x距離最小的像素，即：

計(jì)算鄰域N×M內(nèi)的每一個(gè)像素的原始聚類特征參數(shù)η_x：

η_x＝ρ_x×δ_x

遍歷鄰域N×M內(nèi)的每一個(gè)像素，得到原始聚類特征參數(shù)序列η_P，即η_P＝{η_x}，x＝1,2,…,P。

5.如權(quán)利要求2所述的一種基于聚類的極化SAR圖像相干斑自適應(yīng)濾波方法，其特征在于，所述步驟(S5)具體為：

記按降序排列的聚類特征參數(shù)序列z＝1,2,…,N×M，計(jì)算聚類特征參數(shù)序列的一階差分序列，記為

${\widehat{\mathrm{\η}}}_P^{\′}=\left\{{\widehat{\mathrm{\η}}}_z^{\′}\right|{\widehat{\mathrm{\η}}}_z^{\′}={\widehat{\mathrm{\η}}}_{z+1}-{\widehat{\mathrm{\η}}}_z\}$

設(shè)定門限值th，將一階差分序列中取值超過門限值th的元素中下標(biāo)z的最大值確定為聚類類別數(shù)目w：

$w=max\left\{z\right|{\widehat{\mathrm{\η}}}_z^{\′}\>th,z=1,2,...,N\×M-1\}$

若一階差分序列中所有元素的取值均不超過門限th，則聚類類別數(shù)目w＝1；

將對(duì)應(yīng)的像素確定為聚類中心，根據(jù)序列中每一元素與原始聚類特征參數(shù)序列η_P＝{η_x}中每一元素η_x的對(duì)應(yīng)關(guān)系為下標(biāo)u_z為整數(shù)，且u_z∈(-N×M,N×M)，則聚類中心在原始聚類特征參數(shù)序列中對(duì)應(yīng)的元素為

6.如權(quán)利要求2所述的一種基于聚類的極化SAR圖像相干斑自適應(yīng)濾波方法，其特征在于，所述步驟(S6)中的聚類處理具體為：

設(shè)鄰域N×M內(nèi)每一像素x的聚類類別參數(shù)為b_x，并初始化為b_x＝0，令w個(gè)聚類中心對(duì)應(yīng)像素的聚類類別參數(shù)取值為{1,2,…,w}，即

對(duì)鄰域N×M內(nèi)每一像素x，確定聚類類別參數(shù)b_x的取值：

其中，像素是鄰域N×M內(nèi)所有局部密度大于ρ_x的像素中與像素x距離最小的像素，即滿足即為像素的聚類類別參數(shù)；

遍歷鄰域N×M內(nèi)每一像素x，直至任意聚類類別參數(shù)b_x的取值均不為0，則得到聚類類別參數(shù)序列{b_x}，x＝1,2,…,P；P＝N×M。

7.如權(quán)利要求2所述的一種基于聚類的極化SAR圖像相干斑自適應(yīng)濾波方法，其特征在于，所述步驟(S7)具體步驟為：

在鄰域N×M內(nèi)，待濾波像素對(duì)應(yīng)聚類類別參數(shù)序列{b_x}的元素為b_(N×M+1)/2，將序列{b_x}內(nèi)取值與b_(N×M+1)/2相等的像素確定為候選樣本像素集，記為

{b_g}＝{b_x|b_x＝b_(N×M+1)/2}

設(shè){b_g}中元素?cái)?shù)目為G，且b_g對(duì)應(yīng)鄰域N×M內(nèi)像素的極化相干矩陣為T_g，則對(duì)待濾波像素的極化相干矩陣T_ij的濾波處理結(jié)果為：

${\hat{T}}_{ij}=\frac{1}{G}\underset{g=1}{\overset{G}{\Σ}}{T}_g$

遍歷極化SAR圖像中的每一個(gè)像素，則得到極化SAR相干斑濾波結(jié)果圖。

8.如權(quán)利要求2所述的一種基于聚類的極化SAR圖像相干斑自適應(yīng)濾波方法，其特征在于，所述N，M取值為15～25。

9.如權(quán)利要求4所述的一種基于聚類的極化SAR圖像相干斑自適應(yīng)濾波方法，其特征在于，所述d_c取值為0.02。

10.如權(quán)利要求1所述的一種基于聚類的極化SAR圖像相干斑自適應(yīng)濾波方法，其特征在于，將所述步驟(S1)中極化相干矩陣替換成極化協(xié)方差矩陣。