[发明专利]基于稀疏低秩的判别谱聚类的极化SAR图像分类方法

摘要

本发明公开了一种基于稀疏低秩的判别谱聚类的极化SAR图像分类方法，主要解决现有技术的分类精度低和区域一致性差的问题。其实现方案为：对极化SAR图像进行相似性处理，在稀疏、低秩的约束下，引入判别损失函数，定义新的目标函数，并构造其对应的增广拉格朗日方程；在增广拉格朗日乘子法的基础上利用矩阵奇异值分解算法，得到迭代方程并利用其进行迭代求解；对迭代求解结果进行谱聚类得到极化SAR图像的最终分类结果。实验结果表明，本发明分类精度高，区域一致性好，比现有的方法具有更好的性能。可用于极化SAR图像的目标分类、检测与识别。

主权项

1.基于稀疏低秩的判别谱聚类的极化SAR图像分类方法，包括：(1)输入数据集X＝{x_i}，定义一个加权图G＝{X,E,S}，将数据集X作为加权图G的顶点集；设E＝{(x_i,x_j),i≠j}是加权图边集；S＝(S_ij)_n×n为加权图的相似矩阵，S_ij表示数据点x_i和x_j之间的相似度，S_ij≥0，i,j＝1,2,...,n，其中n是数据点的个数，||.||₂表示l₂范数，σ²为X的标准差；(2)定义P是加权图G上随机游动的概率转移矩阵，P＝D^‑1S，其中D是一个对角矩阵，D的对角元(3)将概率转移矩阵P分解为真实概率转移矩阵和偏移误差矩阵E₁两个部分，即(4)根据(3)的结果，在低秩和稀疏约束下构造如下目标函数:其中是的秩，||E₁||₀表示E₁的零范数，λ是非负平衡参数，取值为λ＝0.05；(5)定义判别聚类项的损失函数E2＝E(Y,W|X)，Y表示类标签，W表示分类器；(6)设定辅助变量Q，根据判别损失函数E2，将(4)中的目标函数转换成如下等价形式:其中，β是非负平衡参数，取值为β＝0.001，||.||1表示l1范数，||·||*表示迹范数；(7)构造与式<2>对应的增广拉格朗日函数：其中H为拉格朗日算子，＜·,·＞表示矩阵的内积运算，μ是自适应惩罚参数，取值为μ＝10‑7，||.||F表示F范数；(8)设置迭代停止条件设立为：或者达到最大迭代次数t，其中，ε为给定的精确度，取t＝1000，ε＝10^‑8，||.||_∞表示无穷范数；对式<3>进行迭代求解，当方程的近似解满足迭代停止条件时，停止迭代，得到偏移误差矩阵E₁、判别损失函数E₂和真实概率转移矩阵(9)利用真实概率转移矩阵通过马尔可夫链算法对极化SAR图像进行谱聚类，得到极化SAR图像的分类结果。