[发明专利]基于核稀疏表示和空间约束的极化SAR图像分类方法

摘要

基于核稀疏表示和空间约束的极化SAR图像分类方法，属于极化SAR图像分类技术领域。本发明用于解决基于像素的极化SAR遥感图像分类方法具有高维性和计算量过大，造成极化SAR图像分类效率低的问题。分类步骤为：对原始极化SAR图像数据预处理，获得待分类极化SAR图像数据；确定图像类别和训练样本；基于多成分散射模型、特征值分解和灰度共生矩阵进行极化SAR图像特征提取；构建过完备字典；获得每个图像类别训练样本的最优稀疏系数；利用最优稀疏系数进行信号重建，根据每个图像类别训练样本的重建信号和待分类极化SAR图像的误差决定所属图像类别，实现对待分类极化SAR图像的分类。本发明用于极化SAR图像的分类。

主权项

一种基于核稀疏表示和空间约束的极化SAR图像分类方法，其特征在于，它包括以下步骤：步骤一：采集原始极化SAR图像数据，进行预处理，获得待分类极化SAR图像数据；步骤二：确定待分类极化SAR图像数据的图像类别和各图像类别的训练样本；步骤三：根据所述图像类别对待分类极化SAR图像依次基于多成分散射模型、特征值分解和灰度共生矩阵进行极化SAR图像特征提取：A：基于多成分散射模型的极化SAR图像散射特征提取：对待分类极化SAR图像进行极化目标分解，得到奇次散射、偶次散射、体散射、线散射和螺旋散射五种散射成分的散射功率；B：基于特征值分解的极化SAR图像极化特征提取：对待分类极化SAR图像基于特征值分解获取三个特征值以及极化散射熵、平均散射角和各向异性量；C：基于灰度共生矩阵的极化SAR图像纹理特征提取：对待分类极化SAR图像提取能量和对比度纹理特征；步骤四：将步骤三中对待分类极化SAR图像进行特征提取获得的所有特征进行整合及核函数映射，利用每个所述图像类别训练样本的特征矢量作为字典的原子，构建过完备字典；步骤五：根据获得的过完备字典和空间约束关系，利用同步正交匹配追踪算法对待分类极化SAR图像进行稀疏表示，得到每个图像类别训练样本的最优稀疏系数；步骤六：利用步骤五中获得的每个图像类别训练样本的最优稀疏系数进行信号重建，根据每个图像类别训练样本的重建信号和待分类极化SAR图像的误差决定所属图像类别，实现对待分类极化SAR图像的分类。