[发明专利]基于稀疏动态集成选择的SAR图像地物分类方法

摘要

本发明公开了一种基于稀疏动态集成选择SAR图像地物分类方法，主要解决现有动态集成选择和动态分类器选择算法用于SAR图像地物分类，速度较慢问题。其实现过程是：1)对待分类SAR图像提取小波能量特征；2)从待分类SAR图像上获取训练数据；3)对待分类SAR图像进行区域划分获得待分类数据；4)利用训练样本学习集成系统；5)对每一类训练数据学习一个字典，并获得合成字典；6)对合成字典中每一个原子进行动态集成选择；7)对待分类样本进行稀疏编码；8)根据稀疏系数和原子对应分类器集成对待分类样本标记；9)将待分类样本标记映射到SAR图像中像素点，得到地物分类结果。本发明具有速度快且分类效果好的优点，可用于SAR图像目标识别。

主权项

1.一种基于稀疏动态集成选择的SAR图像地物分类方法，包括以下步骤：(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；minD,X||Ys-DX||F2s.t.∀i|Xi|0≤L]]>其中L为稀疏度，X_i为稀疏系数矩阵X的第i列；(8)对待分类样本集Y_s中的待分类样本依据用来稀疏表示的P个原子，P＜＝L，找到对应的P个集成系统E_j′，利用P个集成系统对待分类样本进行标记，得到标记向量，然后将与待分类样本对应的稀疏系数向量X_i中的P个非零系数取出，构成权重向量W＝{w_i}，i＝1，2，3，...P，接着将标记向量按照权重向量W加权求和，即得到待分类样本的标记，逐步完成对分类样本集Y_s中所有样本的标记；(9)将待分类样本集Y_s中所有待分类样本的标记与步骤(3)得到的每一个像素点区域划分后的标记相对应，得到待分类SAR图像中的每一个像素点的最终标记，即得到待分类SAR图像的地物分类结果。