[发明专利]基于动态纹理特征的极化SAR图像地物分类方法

说明书

本发明公开了一种基于动态纹理特征的极化SAR图像地物分类方法，首先对极化SAR数据进行极化基变换，合成不同极化基下的极化SAR数据对应的RGB伪彩图像，组成Pauli伪彩图像序列；在此基础上对Pauli伪彩图像序列提取动态分形纹理特征，动态分形纹理特征包括三维Hausdorff分形维度、三维图像平均灰度等级、三维面积；依据动态分形纹理特征，对极化SAR图像地物进行两次分类；使用择多滤波器对两次分类结果进行平滑后处理，实现对极化SAR图像的地物分类。本发明通过动态纹理特征探索地物响应随极化基的变化规律，为刻画地物性质提供了丰富的信息，能够获得较为准确的极化SAR图像地物分类结果。

技术领域

本发明属于图像处理技术领域，更进一步涉及目标识别技术领域中的一种基于动态纹理特征的极化合成孔径雷达SAR(Synthetic Aperture Radar，SAR)图像地物分类方法。

背景技术

极化SAR能够提供丰富的地物目标散射信息，通过有效的方法确定和理解散射机制，能够极大地提高对极化SAR图像目标检测和地物分类的能力。

极化SAR图像地物分类常用的特征可大致分为两类，一类是极化分解特征，或根据极化特性和散射机理计算获得的极化特征，如Freeman分解分量、Yamaguchi分解分量或极化散射参数极化散射熵H,极化散射各向异性度A等；另一类是数字图像处理中的常用特征，如颜色特征，纹理特征，空间关系特征等。

由于地物目标的后向散射响应与电磁波的传播方向有关，在不同的入射角下，同种目标可能具有完全不同的响应，而两种不同的地物却可能具有相似的响应。为了避免目标散射响应多样性带来散射机制理解的模糊性，极化SAR图像地物分类所使用的特征往往具有旋转不变的性质。

然而，随着极化基的变化，即随着极化方位角与椭率角的旋转，地物的极化响应随之变化，且不同的地物极化响应的变化规律不同。可见，目标散射响应的多样性中包含了丰富的地物信息，这些信息能够反映出地物目标的某些特性，但往往被旋转不变的特征所忽略。因此，通过有效的方法探索目标散射响应的多样性中反映出的地物特征，能够作为一种信息的补充，提高极化SAR图像地物分类的准确率。

发明内容

本发明针对现有技术对极化SAR目标散射响应多样性的信息利用不足的问题，提出一种基于动态纹理特征的极化SAR图像地物分类方法，从极化SAR的极化响应出发，将不同极化基下极化响应的变化规律看作一种动态纹理特征，通过动态分形纹理对这一特征进行描述，进而实现地物分类。

本发明所采用的技术方案是一种基于动态纹理特征的极化SAR图像地物分类方法，包括以下步骤：

步骤1，读入极化SAR数据；

步骤2，数据滤波；

步骤3，生成Pauli伪彩图像序列，包括利用极化基变换，将原始极化SAR数据变换为不同极化基下的极化SAR数据；对每一极化基下的极化SAR数据，使用Pauli分解分量合成一幅RGB伪彩图像；将伪彩图像按照极化基旋转角度由小到大排列为一组Pauli伪彩图像序列；

步骤4，动态分形纹理特征提取，包括对Pauli伪彩图像序列提取动态分形纹理特征，刻画地物散射响应随极化基变化而变化的不同规律，并以此作为地物分类的特征；

步骤5，利用随机森林分类器进行第一次地物分类，初步得到被分为地物边界区域类的样本；

步骤6，对在步骤5中被分为地物边界区域一类的样本，按照步骤4重新提取动态分形纹理特征，利用随机森林分类器进行第二次分类；

步骤7，使用择多滤波器对步骤5、6两步的分类结果进行平滑处理，获得地物分类结果。

而且，步骤4所述动态分形纹理特征提取，其具体实现包括以下子步骤：