專利名稱：基于Freeman分解和同極化比的極化SAR圖像分類方法
技術(shù)領(lǐng)域：
本發(fā)明屬于圖像數(shù)據(jù)處理技術(shù)領(lǐng)域，具體地說是一種圖像分類方法，該方法可用于對極化SAR數(shù)據(jù)的分類。
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，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Cloude S R， Pottier E.An entropy based classification scheme for land applications of polarimetric SAR[J]. IEEE Trans. Geosci. Remote Sensing. 1997,35(1) :549-557.該方法主要是通過cloude分解獲取H和α兩個表征極化數(shù)據(jù)的特征，然后根據(jù)H和α組成的 H/α平面人為的將其劃分為9個區(qū)域，去掉一個理論上不可能存在的區(qū)域，最終將圖像劃分為8類。H/α分類存在的一個缺陷是區(qū)域的劃分過于武斷，當(dāng)同一類的數(shù)據(jù)分布在兩類或幾類的邊界上時分類器性能將變差，另一不足之處是當(dāng)同一個區(qū)域里共存幾種不同的地物時，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/ α -Wishart非監(jiān)督分類方法，見 Lee J S, Grunes M R, Ainsworth T L, et al. Unsupervised classification using polarimetric decomposition and the complex Wishart classifier[J]. IEEE Trans. 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H/ α劃分后的8類利用Wishart分類器對每一個像素進(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。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. Unsupervised terrain classification preserving polarimetric scattering characteristic[J]. IEEE Trans. Geosci. 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，但是該方法中由于 Freeman分解中的多類的劃分以及合并，因而計算復(fù)雜度較高
發(fā)明內(nèi)容
本發(fā)明的目的在于克服已有技術(shù)的不足，在上述基于Freeman-Durden分解的多極化圖像非監(jiān)督分類算法的基礎(chǔ)上，提出一種基于Freeman分解和同極化比的極化SAR圖像分類方法，以降低計算復(fù)雜度并進(jìn)一步提高分類效果。為實現(xiàn)上述目的，本發(fā)明包括如下步驟(1)對輸入數(shù)據(jù)進(jìn)行Freeman分解，得到散射功率矩陣Ps，Pd, Pv, Ps表示表面散射功率矩陣其中，Pd表示二面角散射功率矩陣，Pv表示體散射功率矩陣；(2)根據(jù)功率矩陣Ps，Pd, Pv對極化SAR圖像數(shù)據(jù)進(jìn)行初始劃分2a)根據(jù)max (Ps，Pd, Pv)的值，將極化SAR圖像數(shù)據(jù)初始劃分為三類，即將max (Ps， Pd，Pv) = Ps的對應(yīng)像素點劃分為平面散射類，將max (Ps，Pd, Pv) = Pd的對應(yīng)像素點劃分為二面角散射類，將當(dāng)max(Ps，Pd，Pv) = Pv對應(yīng)像素點劃分為體散射類；2b)利用下式計算2a)中每一類數(shù)據(jù)的每個像素點的同極化比R值，得到每類數(shù)據(jù)的一系列R值
權(quán)利要求
1.一種基于Freeman分解和同極化比的極化SAR圖像分類方法，包括如下步驟(1)對輸入數(shù)據(jù)進(jìn)行Freeman分解，得到散射功率矩陣Ps，Pd,Pv, Ps表示表面散射功率矩陣其中，Pd表示二面角散射功率矩陣，Pv表示體散射功率矩陣；(2)根據(jù)功率矩陣Ps，Pd,Pv對極化SAR圖像數(shù)據(jù)進(jìn)行初始劃分2a)根據(jù)max(Ps，Pd, Pv)的值，將極化SAR圖像數(shù)據(jù)初始劃分為三類，即將max (Ps，Pd, Pv) = Ps的對應(yīng)像素點劃分為平面散射類，將max (Ps，Pd，Pv) = Pd的對應(yīng)像素點劃分為二面角散射類，將當(dāng)max (Ps，Pd, Pv) = Pv對應(yīng)像素點劃分為體散射類；2b)利用下式計算2a)中每一類數(shù)據(jù)的每個像素點的同極化R值，得到每類數(shù)據(jù)的一系列R值
2.根據(jù)權(quán)利要求1所述的極化SAR圖像分類方法，其中步驟(1)所述的對輸入數(shù)據(jù)進(jìn)行Freeman分解，按如下步驟進(jìn)行l(wèi)a)讀入數(shù)據(jù)的每個像素點為一個含有9個元素的3X3極化協(xié)方差矩陣C ；
3.根據(jù)權(quán)利要求1所述的極化SAR圖像分類方法，其中步驟C3)所述的對整個極化SAR 圖像數(shù)據(jù)的9類劃分結(jié)果進(jìn)行復(fù)Wishart迭代，按如下步驟進(jìn)行3a)對整個極化SAR圖像數(shù)據(jù)的9類劃分結(jié)果，根據(jù)下式求每一類的聚類中心Vi
全文摘要
本發(fā)明公開了一種基于Freeman分解和同極化比的極化SAR圖像分類方法，主要解決現(xiàn)有技術(shù)計算復(fù)雜度較高和分類效果差的問題，其實現(xiàn)步驟為(1)輸入極化SAR數(shù)據(jù)的協(xié)方差矩陣；(2)對輸入的矩陣進(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矩陣；(3)根據(jù)三種散射功率矩陣將極化SAR數(shù)據(jù)進(jìn)行初始劃分；(4)計算每類極化SAR數(shù)據(jù)各像素點的同極化比；(5)選擇閾值依據(jù)同極化比將步驟(3)中每類極化SAR數(shù)據(jù)劃分為3類，從而將整個極化SAR數(shù)據(jù)劃分為9類；(6)對整個極化SAR數(shù)據(jù)的劃分結(jié)果進(jìn)行復(fù)Wishart迭代并上色，得到最終彩色分類結(jié)果圖。本發(fā)明與經(jīng)典分類方法相比，對極化SAR數(shù)據(jù)的劃分更加嚴(yán)謹(jǐn)，分類結(jié)果明顯，計算復(fù)雜度相對較小。
文檔編號G06K9/62GK102208031SQ20111016440
公開日2011年10月5日 申請日期2011年6月17日 優(yōu)先權(quán)日2011年6月17日
發(fā)明者侯彪, 劉芳, 李崇謙, 楊國輝, 焦李成, 王爽, 田小林, 緱水平, 裴靜靜 申請人:西安電子科技大學(xué)