[发明专利]基于Freeman分解和数据分布特征的极化SAR图像分类方法

摘要

本发明公开了一种基于Freeman分解和数据分布特征的极化SAR图像分类方法，主要解决现有技术计算复杂度较高和分类效果差的问题。其实现步骤为：1）对待分类的极化SAR图像进行Freeman分解，获取平面散射、二面角散射及体散射三种散射功率；2）根据三种散射功率将极化SAR图像初始划分为三类；3）计算每一类中各像素点的分布特征参数χL；4）根据分布特征参数χL的值将初始划分的三类的每一类再划分为3类，从而将整个极化SAR图像划分为9类；5）对得到的9类划分结果进行复Wishart迭代，得到最终的分类结果。本发明与经典分类方法相比，对极化SAR图像的划分更加严谨，分类效果更佳，计算复杂度相对较小，可用于对极化SAR图像的进行地物分类和目标识别。

主权项

一种基于Freeman分解和数据分布特征的极化SAR图像分类方法，包括如下步骤：（1）读入一幅待分类的极化SAR图像，对图像中的每个像素点进行Freeman分解，得到三个散射功率Ps,Pd,Pv，其中Ps表示表面散射功率，Pd表示二面角散射功率，Pv表示体散射功率；（2）根据每个像素点的三个散射功率Ps,Pd,Pv，计算max(Ps,Pd,Pv)的值，如果max(Ps,Pd,Pv)＝Ps，则将其对应的像素点划分为一类，如果max(Ps,Pd,Pv)＝Pd，则将其对应的像素点划分为一类，如果max(Ps,Pd,Pv)＝Pv，则将其对应的像素点划分为一类，从而将极化SAR图像初始划分为三类，其中，max(·)表示最大值；（3）对得到的三类初始划分结果，计算每一类中每个像素点的分布特征参数χL：3a）将每个像素点及其周围的像素点总共九个像素点作为一个小区域，计算该区域的相对峰值RK： RK = 1 3 ( E { | S HH | 2 } E { | S HH | } 2 + E { | S HV | 2 } E { | S HV | } 2 + E { | S VV | 2 } E { | S VV | } 2 ) , 其中，SHH表示水平向发射和水平向接收的回波数据，SVV表示垂直向发射和垂直向接收的回波数据，SHV表示水平向发射垂直向接收的回波数据，|·|表示取这个数的模值，E{·}表示取这个数的均值；3b）根据相对峰值RK，计算分布特征参数χL： χ L = Ld + 1 d + 1 / ( RK - 1 ) , 其中，L为极化SAR图像的视数，d为向量维数，取d＝3；（4）根据分布特征参数χL的值进一步将每一类划分结果划分为三类：如果χL＜2，将其对应的像素点划分为一类，如果2＜χL＜15，将其对应的像素点划分为一类，如果χL＞15，将其对应的像素点划分为一类，从而将整个极化SAR图像划分为9类；（5）对整个极化SAR图像的9类划分结果进行复Wishart迭代，得到更为准确的 分类结果。