专利名称：一种利用两种不同频率下的极化sar图像进行分类的方法
技术领域：
本发明提出了一种双频极化合成孔径雷达(POL-SAR)图像的分类方法，属于SAR 图像解译领域。
背景技术：
目标的自动分类一直是SAR图像应用研究的一个重要内容，它通过研究目标散射回波来提取目标特征，分析目标特性，实现对不同类目标的自动区分。雷达接收的电磁波不仅与极化方式有关，而且与电磁波的频率有关系，不同波长的入射波会与复杂目标的不同部分互相作用，因而目标会展示出不同的散射特性。因此，多频、多极化SAR图像比单频、单极化图像包含了更加丰富的目标信息，在军事侦察、资源规划、环境检测，农作物长势分析、 海洋目标检测等诸多方面都具有重要的应用潜力。随着极化SAR理论和系统的发展，涌现出了很多针对单频多极化SAR图像分类的理论和方法，如基于相干矩阵特征分解的H/ α分类和H/ α /A分类方法、基于协方差矩阵(或相干矩阵)的WISHART分布的极大似然分类方法等。而针对多频、多极化SAR图像分类的有效方法相对较少，最常用的方法是对两个频率的图像分别进行分类，然后对两个频率的分类结果进行组合。通常单频极化SAR图像在较简单的场景下会保留几类目标，在复杂的场景会保留十几类目标，假定两个频率分别保留了 ml和m2类目标，则双频组合后至多可以保留ml*m2类目标，显然，这种双频组合使得类别数目急剧增加，必须要经过专门的类合并过程来减少类别数目。
发明内容
本发明的目的是针对目前应用的双频极化SAR图像分类中产生的类别数目较多， 需要初始类合并过程来减少类别数目的问题给出了一种既能充分利用双频极化SAR的信息，又不需要类合并过程的双频极化SAR图像分类方法。本发明的理论基础是，当改变照射目标的电磁波的频率时，从目标回波中提取的反映目标散射机理的特征也将发生变化，但不同散射机理的目标的特征量的变化趋势和变化量不同。利用这种特征变化趋势和变化量的不同可以区分不同类别的目标。本发明遵循了以下的技术方案一种双频极化SAR图像分类的方法，具体实现中包括以下步骤(1)极化SAR图像的特征提取；(2)计算特征变化量；(3)特征平面划分；(4)初始类划分；(5)迭代修正。 与现有技术相比，本发明的优势在于，通过特征量变化平面所划分出的目标类别可以直接应用于迭代修正过程，而不需要进行类合并处理，并且所划分出的各个类别具有明确的物理意义。
图1 双频极化SAR图像分类流程2 特征量变化平面划分示意图其中，101:特征量提取102:计算特征变化量103:特征平面划分104:分类105:迭代修正
具体实施例方式进行地物分类是SAR图像应用中的一个重要方面，而极化SAR包括了比单极化SAR 更丰富的信息，双频率极化SAR则是利用了两个不同频率下的极化SAR图像，包含的信息量进一步增加，利用双频率极化SAR图像可以获得比单极化SAR图像和单频率极化SAR图像更精确的分类结果。本发明的双频率极化SAR图像分类方法的流程如图1所示，首先对输入的不同频率的极化SAR图像，分别进行特征量提取101 ；然后对不同频率下的特征量相减，计算特征变化量102 ；对采用的特征构成特征平面，将特征平面划分为不同的区域103 ； 在特征平面划分的基础上实现双频极化SAR图像的初始分类104 ；最后对初始分类结果进行迭代修正105。具体的实现步骤如下1、极化SAR图像的特征提取极化SAR图像中的特征提取方法很多，其中基于特征分解所提取的特征为目前应用最为广泛的方法之一，对于两种具体不同频率的极化SAR图像，同样可以采用特征分解方法分别提取特征量。极化SAR图像中目标特征分解如下式
"Λ00"
T = UKU-1 = U0Λ0U00Λ.式中，T为目标的特征矩阵，且为埃米特矩阵，U = Le1 e2 e3], e.=
cosα ·βΛ
sin OCi ■ cos Pi ■ ejS' sin OCi ■ sin β. ■ em其中，j为虚数单位，Xi* T的非负特征值，并有X1^λ3，&为特征分解过程中所得到的与Xi相对应的特征向量，α 1表示散射体内部自由度，对应一定的散射机理，其取值范围为0°彡、彡90°，I为目标关于雷达视线的方向角，(^，Si, Yi为目标散射相位角。定义目标散射熵(H)、散射角(α)、极化度(PD)和反熵㈧为
权利要求
1.一种利用两种不同频率下的极化SAR图像进行分类的方法，其步骤如下(1)提取极化SAR图像的特征；(2)针对所述极化SAR图像提取出的特征计算在两种频率下的特征变化量；(3)根据所述特征变化量进行特征平面的划分；(4)按照目标在所述特征平面上的分布进行初始类划分；(5)采用迭代分类方法对所述极化SAR图像中的目标做进一步的修正。
2.根据权利要求1的利用两种不同频率下的极化SAR图像进行分类的方法，其特征在于所述步骤(1)中的提取特征具体为针对不同频率的两幅极化SAR图像分别提取特征，所述特征包括目标的散射熵、平均散射角、极化反熵、极化度、极化相位差、交叉极化相位差、 不同散射机理的贡献量。
3.根据权利要求1的利用两种不同频率下的极化SAR图像进行分类的方法，其特征在于所述步骤O)中的特征变化量的计算方法为G2+G1其中，G1和(；2分别为频率和f2下的极化SAR图像提取出的特征。
4.根据权利要求1的利用两种不同频率下的极化SAR图像进行分类的方法，其特征在于所述步骤(3)中特征平面的划分所选用的特征变化量是根据具体的待分类对象，从多个特征变化量中选取能够反映目标机理和散射特性的两类特征变化量来构建特征平面；特征平面需要按照待分类的类别数目而划分，划分出的区域数目即为分类的类别数目。
5.根据权利要求1的利用两种不同频率下的极化SAR图像进行分类的方法，其特征在于所述步骤中，按照目标在特征平面上的分布进行初始类划分，具体为，落入同一区域的目标即为同类目标，落入某一区域的目标集合为Ivi = (Xi, Yi)}, 1 e N式中，Vi为落入该区域的第i个目标，N为自然数集，(Xi，Yi)为目标Vi在特征平面上的位置坐标；该类目标的类中心表示为C1 = (<Xi>, <Υ 式中的<·>表示取均值运算。
全文摘要
本发明公开了一种利用两种不同频率下的极化SAR图像进行分类的方法，该方法包含以下步骤(1)极化SAR图像的特征提取；(2)计算在两种频率下的特征变化量；(3)特征平面划分；(4)初始类划分；(5)迭代修正。本发明利用了不同地物的特征随频率变化时所表现出的不同的变化趋势和变化量，基于特征平面划分实现初始类别划分，并采用迭代方法进行修正。该分类方法不需要类合并过程，所划分出的各个初始类别具有明确的物理意义，并且类别数目的控制灵活。
文档编号G06K9/46GK102156883SQ20111010147
公开日2011年8月17日 申请日期2011年4月22日 优先权日2011年4月22日
发明者孙作为, 王文光, 赵新芳, 鲁菲 申请人:北京航空航天大学