[发明专利]一种遥感图像地面场景分类方法

权利要求书

1.一种遥感图像地面场景分类方法，其特征在于，包括以下步骤：

针对极化SAR图像，构建其极化协方差矩阵和极化相干矩阵；

构建其极化协方差矩阵和极化相干矩阵的具体过程如下：

将雷达极化散射矩阵表示为其中，H和V分别表示水平极化和垂直极化，S_PQ为以Q极化方式发射、P极化方式接收时，散射矩阵的目标后向复散射系数，P,Q＝H,V，在满足互易定理的后向散射情况下则有S_HV＝S_VH；Pauli散射矢量的表达式如下：

式中，上标T表示矩阵转置；

极化相干矩阵的表达式如下：

式中，上标表示矩阵的共轭转置，上标*表示复共轭；

极化协方差矩阵的表达式如下：

其中，

对极化相干矩阵进行分解，得到极化散射熵H、各向异性度A以及平均散射角

根据定义在平面上的二维模糊归属函数获得最初模糊归属度的值表示像素s属于类别k的比例因子，且满足在此基础上计算出最初的聚类中心k＝1,2,...C，然后使用模糊C均值聚类算法对模糊归属度的值进行迭代和优化；

计算极化SAR图像的span图像，并在此基础上设计图像自适应邻域；

基于图像自适应邻域，设计自适应平滑系数，并构建MRF先验能量函数；

极化SAR遥感图像的后向散射总功率span计算式为span＝|S_hh|²+2|S_hv|²+|S_vv|²＝Tr(C)＝Tr(T)，选取span图像中具有最小方差的邻域进行马尔科夫模型分析，MRF的平滑效应被限定在选定的邻域内；

基于选定的邻域η_s以及自适应的平滑系数ψ_sr构建MRF先验能量函数U(·)，其表达式如下：

其中，|η_s|和b_s分别为邻域空间的尺寸和匀质度量；

平滑系数ψ_sr不仅考虑邻域内的类别信息，同时还考虑像素对应于不同类别的模糊归属度；平滑系数ψ_sr的计算公式如下：

其中，L_c是像素s的当前类别，表示该像素属于类别L_c的模糊归属度；

将基于MRF的空间相关信息与极化信息结合，利用模糊C均值分类构建目标函数，迭代求解最优隶属度和分类类别中心，使极化SAR图像逐像素归类到具有最大隶属度的类别。

2.根据权利要求1所述的遥感图像地面场景分类方法，其特征在于：

对极化相干矩阵进行分解的具体过程如下：

通过对相干矩阵T进行特征值或特征向量分解，构造一个简单的统计模型，将T扩展为三个独立目标的响应之和，每一个目标都对应一个散射机制，由单位特征向量u_i确定，并且相应的特征值λ_i代表该散射机制在整个散射过程中的比重；分解过程的表达式为：

极化散射熵H表征分解得到的不同散射类型在统计意义上的无序程度，表达式如下：

其中

其中，P_i为第i种散射类型出现的伪概率，则极化熵H的取值范围是0≤H≤1；

定义极化各向异性度A来表明λ₂和λ₃之间的关系，表达式为：

式中，A的取值范围是0≤A≤1；

平均散射角定义为：

当α_i＝0°时，目标散射对应于表面散射，随着逐渐增大，散射机理变为布拉格表面散射；

当α_i＝45°则代表偶极子散射，随后散射类型变为两个介质表面的二次散射，

当α_i＝90°的极端情况下变为金属表面的二面角散射。

3.根据权利要求1所述的遥感图像地面场景分类方法，其特征在于，迭代的步骤如下：

首先，计算像素s的相干矩阵<T_s>与类别k聚类中心之间的Wishart距离：

基于得到的Wishart距离，对模糊归属度进行更新：

其中，m_c是一个常量，ρ(·)是Huber函数：

通过与空间相关信息结合，生成增强的模糊归属度：

其中，为局部AMRF分析所提取出的先验概率；

最后，基于增强的模糊归属度，对聚类中心进行更新：