[发明专利]基于面向对象和谱聚类的极化SAR图像分类方法

摘要

本发明公开了一种基于面向对象和谱聚类的极化SAR图像分类方法，主要解决现有技术对极化合成孔径雷达SAR图像分类准确率低的问题。其实施步骤是(1)对极化SAR数据的相干矩阵进行滤波并用该相干矩阵合成极化合成孔径雷达SAR的彩色图像；(2)设置极化合成孔径雷达SAR的有关参数；(3)结合极化合成孔径雷达SAR的有关参数将极化合成孔径雷达SAR彩色图像的所有像素合并，形成超像素块；(4)合并极化合成孔径雷达SAR彩色图像的所有超像素块；(5)计算合并后超像素块的类心；(6)对该超像素块类心进行谱聚类完成最终分类。本发明克服了噪声的影响，提高了分类的准确率，可用于地物分类和目标识别。

主权项

一种基于面向对象和谱聚类的极化SAR图像分类方法，包括以下步骤:(1)读取极化合成孔径雷达SAR数据的相干矩阵T，并对其进行Lee滤波，得到滤波后的相干矩阵T，提取该相干矩阵T的Pauli特征，根据该Pauli特征合成极化合成孔径雷达SAR的彩色图像；(2)设置极化合成孔径雷达SAR的有关参数：彩色图异质度阈值为1000、最大循环次数CN为10、光谱权重w为0.6、形谱权重m为0.4；(3)合并彩色图像的所有像素：(3a)在极化合成孔径雷达SAR的彩色图中任选一个像素点Px，找出与Px相邻的四个像素点P1、P2、P3、P4，根据异质度公式得到像素点Px分别与其相邻的四个像素点P1、P2、P3、P4之间的异质度，并记像素点中最小异质度Ps对应的两个像素点为Px和Pn；(3b)将像素点中最小异质度Ps与极化合成孔径雷达SAR的彩色图异质度阈值1000进行比较，如果像素点中最小异质度Ps小于极化合成孔径雷达SAR的彩色图异质度阈值1000，则将像素点中Ps对应的两个像素点Px和Pn合并形成超像素块；(3c)检查极化合成孔径雷达SAR的彩色图中的像素点是否都被选择过，如果存在没有被选择的像素点，则返回步骤(3a)，否则，执行步骤(3d)；(3d)在极化合成孔径雷达SAR的彩色图中找出含有像素点数目最少的超像素块，计算该超像素块内包含的像素点数目，如果该像素点数大于给定的彩色图异质度阈值1000，则执行步骤(5)，否则，执行步骤(4)；(4)合并彩色图像的所有超像素块：(4a)在极化合成孔径雷达SAR的彩色图的超像素块中任选一个超像素块SPx，找出与SPx相邻的四个超像素块SP1、SP2、SP3、SP4，根据异质度公式得到超像素块SPx分别与其相邻的四个超像素块SP1、SP2、SP3、SP4之间的异质度，并记超像素块最小异质度SPs对应的两个超像素块为SPx和SPn；(4b)将超像素块最小异质度SPs与极化合成孔径雷达SAR的彩色图异质度阈值1000进行比较，如果SPs小于该异质度阈值1000，则将该SPs对应的两个超像素块SPx和SPn合并为一个新的超像素块，否则，执行步骤(4c)；(4c)检查极化合成孔径雷达SAR的彩色图中的超像素块是否都被选择过，如果存在没有被选择的超像素块，则返回步骤(4a)，否则，执行步骤(4d)；(4d)在极化合成孔径雷达SAR的彩色图中找出含有像素点数目最少的超像素块，计算该超像素块内包含的像素点数目，如果该像素点数大于给定的彩色图异质度阈值1000，则执行步骤(5)，否则，执行步骤(4e)；(4e)判断合并超像素的次数是否大于最大循环次数10，如果是，则执行步骤(5),否则，返回步骤(4a)；(5)计算超像素块类心：(5a)统计出每一个超像素块内的像素数目P，计算超像素的相干矩阵的加权和Ta；Ta=Σj=1NUMPij]]>其中，Pij表示第i个超像素块内的第j个像素点的相干矩阵T，NUM为第i个超像素块内像素点的总数目；(5b)求出每一个超像素块的相干矩阵均值Ts：Ts＝Ta/P；(6)将相干矩阵均值Ts作为对应超像素块的类心，利用谱聚类方法对该超像素块类心进行分类，得到超像素块的类别，完成对极化SAR图像的分类。