[发明专利]基于稀疏动态集成选择的SAR图像地物分类方法

说明书

技术领域

本发明属于图像处理技术领域，可用于SAR图像地物分类，作为进一步SAR图像理解和解译的基础。

背景技术

合成孔径雷达SAR成像技术通过主动发射和接受电磁波，根据物体的反射、散射特性成像，它充分利用合成孔径原理提高方位分辨率，在遥感领域具有独特的优势。SAR具有全天时、全天候的探测与侦察能力，SAR图像的解译受到越来越多的国防和民用的重视。作为SAR图像解译非常重要的一个步骤的SAR图像地物分类，也就显得愈加重要。

现有的单极化SAR图像地物分类方法大致可以分为基于单个分类器的SAR图像地物分类方法和基于多个分类器的分类器集成系统的SAR图像地物分类方法，如基于神经网络、KNN、SVM分类器的SAR图像地物分类方法，以及基于bagging、boosting、子空间等集成策略的分类器集成SAR图像地物分类方法。

其中，基于单个分类器的SAR图像地物分类方法，是将训练数据输入单个分类器，经过学习后分类器具有分类识别能力，该类方法分类速度较快，但是分类器参数调节困难而且结果不稳定；基于分类器集成的SAR图像地物分类方法，是采用某种集成策略将多个分类器集成在一起，多个分类器共同对SAR图像数据进行决策，目前较优秀的基于集成的SAR图像地物分类策略包括动态分类器选择方法和动态集成选择分类方法，分类效果虽好，但是速度较慢。

发明内容

本发明的目的在于针对上述已有技术的不足，提出一种基于稀疏动态集成选择SAR图像地物分类方法，在保留动态集成选择算法充分尊重样本个体差异性优点的同时，引进字典学习数据稀疏表示方法，提高图像分类的速度。

实现本发明目的地技术思路是：充分利用标记数据训练分类器，得到分类器集成系统，从训练数据中学习字典，然后对字典中原子进行动态集成选择，接着使用字典实现待分类SAR图像数据的稀疏表示，结合原子选择出的集成，得到待分类SAR图像最终分类结果。具体步骤包括如下：

本发明与现有的技术相比具有以下优点：

(1)对待分类SAR图像的每一个像素点取M×N窗口进行3层平稳小波变换，提取小波能量特征；

(2)在待分类SAR图像的每一类地物上随机取像素点100个，然后将每一类地物所取像素点对应的小波能量特征提取出来，作为训练数据Y；

(3)采用mean-shift算法对待分类图像进行区域划分，得到每一个像素点区域划分后的标记，然后对每一区域的所有像素点对应的小波能量特征取均值，获得待分类样本集Y_s；

(4)利用训练数据Y，以判别分析FDA分类器为基分类器C，采用bagging集成策略，得到分类器集成系统E＝{C_i |i＝1，2，3，...，n}，n为分类器个数；

(5)从每一类训练数据中选择一批样本作为初始字典，然后利用K-SVD算法进行训练，得到训练字典D_jj＝1，2，3，...，k，k为数据类别数，将所有的字典合并为一个字典D＝[D₁，D₂，...，D_k]；

(6)对字典D中每个原子d_j，j＝1，2，3，...，m，m为字典D中原子数目，按照K近邻原则从训练样本集Y中选择K近邻样本，得到近邻样本集合利用分类器集成E中的分类器对近邻样本集合中的样本进行分类标记，并将标记结果与样本标准标记做比较，为每一个原子从分类器集成E中选择表现最好一组分类器，得到新的集成系统E_j′，

(7)利用字典D，对Y_s中所有待分类样本用OMP算法进行稀疏表示，得到稀疏系数矩阵X；