[发明专利]基于特征值度量谱聚类的极化SAR图像分割方法

说明书

技术领域

本发明属于遥感图像处理技术领域，涉及极化合成孔径雷达图像分割，可用于图像目标检测以及图像目标分割与识别。

背景技术

随着雷达技术的日益发展，极化SAR已成为SAR的发展趋势，极化SAR能够得到更丰富的目标信息。极化SAR图像的理解和解译涉及信号处理，模式识别等众多学科。极化SAR图像分割作为极化SAR图像处理的基本问题之一，为极化SAR图像后期的目标识别奠定了基础。

现有的极化SAR图像分割方法可以分为有监督和无监督两类。

有监督方法包括：Kong等人提出的利用数据的统计信息对极化SAR图像进行分割，这种方法对数据分布有严格要求；Hellmann等人提出的利用神经网络分类器来进行分割，这种方法的收敛速度慢，且容易陷入局部最优。

无监督方法包括：Cloude等人提出的利用散射熵，散射角以及逆熵的阈值来划分类别以及Freeman等人提取每个像素的三种散射功率，按所占比重对图像进行分割。

以上这两种方法所用的阈值均需要人为确定，代价大且过于武断。为此，Ersahin和Anfinsen等人利用谱聚类对极化SAR图像进行分割，通过极化相干矩阵的Wishart距离来定义相似度矩阵，这种方法虽然可以自动完成聚类且不需要阈值确定，但却由于极化相干矩阵的特殊分布限制了相似度矩阵的构造方式，同时高斯核参数需要人工依照经验精确设置，而且计算代价高。

发明内容

本发明的目的在于针对现有技术的不足，提出一种基于特征值度量谱聚类的极化SAR图像分割方法，以在保证分割精度的前提下，大大降低分割过程的计算量和复杂性。

为实现上述目的，本发明的极化SAR图像分割方法，包括如下步骤：

（1）读入极化SAR图像G，得到极化SAR图像G的总样本集X和极化SAR图像G的极化相干矩阵集合T＝{T_i|i＝1,...,M}，其中M是极化SAR图像G包含的像素点数；

（2）对第i个像素点的极化相干矩阵T_i进行特征值分解，得到第i个像素点的特征值集合i＝1,...,M，其中，表示第i个像素点的第一个特征值，表示第i个像素点的第二个特征值，表示第i个像素点的第三个特征值；

（3）求第i个像素点的8邻域第一个特征值对应的均值求第i个像素点的8邻域第二个特征值对应的均值求第i个像素点的8邻域第三个特征值对应的均值得到第i像素点的平均特征值集合i＝1,...,M；

（4）从极化SAR图像G的总样本集X中随机采样m个像素点构成样本子集X_m，由样本子集X_m的特征值集合构成特征样本集再由样本子集X_m的平均特征值集合构成平均特征样本集

（5）对样本子集X_m中第j个像素点的特征值集合利用马氏距离构造相似度矩阵w^j：

wj=(xmj-xmp)T·C-1·(xmj-xmp),]]>p＝1,...,m，

其中，表示样本子集X_m中第j个像素点的特征值集合，表示样本子集X_m中第p个像素点的特征值集合，C是特征样本集x_m的协方差矩阵；