[发明专利]基于模糊粒子群和目标分解的极化SAR图像分类方法

权利要求书

1.一种基于模糊粒子群和目标分解的极化SAR图像分类方法，包括如下步骤：

(1)输入极化合成孔径雷达SAR图像数据的相干矩阵；

(2)预处理：

用李Lee滤波，对相干矩阵进行预处理，滤除极化合成孔径雷达SAR图像数据中的相干斑噪声；

(3)提取散射特征：

对预处理后的极化合成孔径雷达SAR图像数据的相干矩阵中每个像素点进行克劳德Cloude分解和弗瑞曼Freeman分解，得到散射特征散射熵和散射功率；

(4)初始分类：

根据散射熵H的范围和散射功率的类别，按照极化合成孔径雷达SAR图像数据的分类规则，将极化合成孔径雷达SAR图像数据分为八个初始类；其中，散射功率的类别有表面散射功率P_s，偶次散射功率P_d，体散射功率P_v；

所述的极化合成孔径雷达SAR图像数据的分类规则如下：

将散射功率为表面散射功率P_s、且散射熵H满足0＜H≤0.5条件的像素点，划分为第一类；

将散射功率为表面散射功率P_s、且散射熵H满足0.5＜H≤0.9条件的像素点，划分为第二类；

将散射功率为表面散射功率P_s、且散射熵H满足0.9＜H≤1条件的像素点，划分为第三类；

将散射功率为偶次散射功率P_d、且散射熵H满足0＜H≤0.5条件的像素点，划分为第四类；

将散射功率为偶次散射功率P_d、且散射熵H满足0.5＜H≤0.9条件的像素点，划分为第五类；

将散射功率为偶次散射功率P_d、且散射熵H满足0.9＜H≤1条件的像素点，划分为第六类；

将散射功率为体散射功率P_v、且散射熵H满足0.5＜H≤0.9条件的像素点，划分为第七类；

将散射功率为体散射功率P_v、且散射熵H满足0.9＜H≤1条件的像素点，划分为第八类；

(5)优化初始类：

(5a)设定模糊粒子群优化算法的参数；

(5b)初始化粒子群，确定每个粒子最优位置和粒子群最优位置，将八个初始分类作为初始粒子群，将初始化粒子群中每个粒子的当前位置作为粒子最优位置，计算每个粒子的适应度值，比较所有粒子的适应度值的大小，筛选出适应度值最大的粒子，将其位置作为粒子群最优位置；

(5c)采用隶属度公式，计算极化合成孔径雷达SAR图像数据的第j个像素y_j对粒子群中第i个粒子v_i的隶属度μ_ij，其中i＝1,2，……，8；比较八个隶属度的大小，从中找出最大的隶属度μ_mj，将极化合成孔径雷达SAR图像数据的像素y_j划分到最大隶属度μ_mj的第m个分类中；

(5d)计算本次迭代中每个粒子的适应度值，如果本次迭代的粒子位置的适应度值大于上一次迭代的粒子最优位置的适应度值，则将本次迭代的粒子位置作为粒子最优位置，否则，将上一次迭代的粒子最优位置作为粒子最优位置；比较所有粒子最优位置的适应度值大小，如果最大的适应度值大于上一次迭代的粒子群最优位置的适应度值，则将适应度最大的粒子位置作为粒子群最优位置，否则将上一次迭代的粒子群最优位置作为粒子群最优位置；

(5e)采用粒子飞行速度和位置更新方法，更新本次迭代中粒子的飞行速度和位置，得到新一代的粒子，迭代次数加1；

(5f)判断迭代次数是否达到20次，若是，则执行步骤(6)，否则，执行步骤(5c)；

(6)最终分类：

(6a)将粒子群中优化后的粒子作为极化合成孔径雷达SAR图像数据中像素的初始分类，按照下式，计算极化合成孔径雷达SAR图像数据中每个像素点到第i个分类c_i的复威舍特Wishart距离：

d(<T>,ci)=ln[ci]+Tr(ci-1<T>)]]>

其中，d(<T>,c_i)表示极化合成孔径雷达SAR图像数据中每个像素点到第i个分类c_i的复威舍特Wishart距离，T表示预处理后的相干矩阵，<·>表示按视数取平均操作，c_i表示极化合成孔径雷达SAR图像数据中像素的第i个分类，i表示分类个数，i＝1,2,……,8，[c_i]表示极化合成孔径雷达SAR图像数据中像素的第i个分类c_i的行列式，表示对第i个分类c_i求逆，表示取矩阵的迹，表示极化合成孔径雷达SAR图像数据中像素的第i个分类c_i与按视数取平均后相干矩阵T的积；

(6b)比较极化合成孔径雷达SAR图像数据中像素点到第a和第b个分类的复威舍特Wishart距离的大小，如果极化合成孔径雷达SAR图像数据中像素点离第a个分类的复威舍特Wishart距离小，则划分到第a个分类中；如果极化合成孔径雷达SAR图像数据中像素点离第b个分类的复威舍特Wishart距离小，则划分到第b个分类中，a，b＝1,2,……,8，a≠b，完成最终分类；

(7)输出分类结果。