专利名称：基于Freeman分解和同极化比的极化SAR图像分类方法
技术领域：
本发明属于图像数据处理技术领域，具体地说是一种图像分类方法，该方法可用于对极化SAR数据的分类。
背景技术：
随着雷达技术的发展，极化SAR已成为SAR的发展趋势，极化SAR能够得到更丰富的目标信息，在农业、林业、军事、地质学、水文学和海洋等方面具有广泛的研究和应用价值，如地物种类的识别、农作物成长监视、产量评估、地物分类、海冰监测、地面沉降监测，目标检测和海洋污染检测等。极化图像分类的目的是利用机载或星载极化传感器获得的极化测量数据，确定每个像素所属的类别。经典的极化SAR分类方法包括Cloude等人提出了基于H/α目标分解的极化SAR图像非监督分类方法，见Cloude S R， Pottier E.An entropy based classification scheme for land applications of polarimetric SAR[J]. IEEE Trans. Geosci. Remote Sensing. 1997,35(1) :549-557.该方法主要是通过cloude分解获取H和α两个表征极化数据的特征，然后根据H和α组成的 H/α平面人为的将其划分为9个区域，去掉一个理论上不可能存在的区域，最终将图像划分为8类。H/α分类存在的一个缺陷是区域的划分过于武断，当同一类的数据分布在两类或几类的边界上时分类器性能将变差，另一不足之处是当同一个区域里共存几种不同的地物时，将不能有效区分。Lee等人提出了基于H/ α目标分解和Wishart分类器的H/ α -Wishart非监督分类方法，见 Lee J S, Grunes M R, Ainsworth T L, et al. Unsupervised classification using polarimetric decomposition and the complex Wishart classifier[J]. IEEE Trans. Geosci. Remote Sensing. 1999，37 (5) :2249-2258.该方法是在原始 H/α 分类基础上增加了 Wishart迭代，主要是对H/ α划分后的8类利用Wishart分类器对每一个像素进行重新划分，从而有效的提高了分类的精度，但是又存在不能很好的保持各类的极化散射特性的不足。J. S. Lee等基于Freeman分解于提出了一种基于Freeman-Durden分解的多极化图像非监督分类算法，见 Lee J S，Grunes M R, Pottier E, et al. Unsupervised terrain classification preserving polarimetric scattering characteristic[J]. IEEE Trans. Geosci. Remote Sensing. 2004,42(4) :722-731.该方法主要是通过 Freeman 分解获取表征散射体散射特性的的三个特征平面散射功率、二面角散射功率和体散射功率，然后根据这三个特征的大小对极化数据进行划分，并对初始划分进行类别合并，最后再利用Wishart分类器对每一个像素进行重新划分。这种算法结合了 Freeman散射模型和复Wishart分布，具有保持多极化SAR的主要散射机制纯净性的特性，但是该方法中由于 Freeman分解中的多类的划分以及合并，因而计算复杂度较高
发明内容
本发明的目的在于克服已有技术的不足，在上述基于Freeman-Durden分解的多极化图像非监督分类算法的基础上，提出一种基于Freeman分解和同极化比的极化SAR图像分类方法，以降低计算复杂度并进一步提高分类效果。为实现上述目的，本发明包括如下步骤(1)对输入数据进行Freeman分解，得到散射功率矩阵Ps，Pd, Pv, Ps表示表面散射功率矩阵其中，Pd表示二面角散射功率矩阵，Pv表示体散射功率矩阵；(2)根据功率矩阵Ps，Pd, Pv对极化SAR图像数据进行初始划分2a)根据max (Ps，Pd, Pv)的值，将极化SAR图像数据初始划分为三类，即将max (Ps， Pd，Pv) = Ps的对应像素点划分为平面散射类，将max (Ps，Pd, Pv) = Pd的对应像素点划分为二面角散射类，将当max(Ps，Pd，Pv) = Pv对应像素点划分为体散射类；2b)利用下式计算2a)中每一类数据的每个像素点的同极化比R值，得到每类数据的一系列R值
权利要求
1.一种基于Freeman分解和同极化比的极化SAR图像分类方法，包括如下步骤(1)对输入数据进行Freeman分解，得到散射功率矩阵Ps，Pd,Pv, Ps表示表面散射功率矩阵其中，Pd表示二面角散射功率矩阵，Pv表示体散射功率矩阵；(2)根据功率矩阵Ps，Pd,Pv对极化SAR图像数据进行初始划分2a)根据max(Ps，Pd, Pv)的值，将极化SAR图像数据初始划分为三类，即将max (Ps，Pd, Pv) = Ps的对应像素点划分为平面散射类，将max (Ps，Pd，Pv) = Pd的对应像素点划分为二面角散射类，将当max (Ps，Pd, Pv) = Pv对应像素点划分为体散射类；2b)利用下式计算2a)中每一类数据的每个像素点的同极化R值，得到每类数据的一系列R值
2.根据权利要求1所述的极化SAR图像分类方法，其中步骤(1)所述的对输入数据进行Freeman分解，按如下步骤进行la)读入数据的每个像素点为一个含有9个元素的3X3极化协方差矩阵C ；
3.根据权利要求1所述的极化SAR图像分类方法，其中步骤C3)所述的对整个极化SAR 图像数据的9类划分结果进行复Wishart迭代，按如下步骤进行3a)对整个极化SAR图像数据的9类划分结果，根据下式求每一类的聚类中心Vi
全文摘要
本发明公开了一种基于Freeman分解和同极化比的极化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)输入极化SAR数据的协方差矩阵；(2)对输入的矩阵进行Freeman分解，获取平面散射、二面角散射及体散射三种散射功率矩阵；(3)根据三种散射功率矩阵将极化SAR数据进行初始划分；(4)计算每类极化SAR数据各像素点的同极化比；(5)选择阈值依据同极化比将步骤(3)中每类极化SAR数据划分为3类，从而将整个极化SAR数据划分为9类；(6)对整个极化SAR数据的划分结果进行复Wishart迭代并上色，得到最终彩色分类结果图。本发明与经典分类方法相比，对极化SAR数据的划分更加严谨，分类结果明显，计算复杂度相对较小。
文档编号G06K9/62GK102208031SQ20111016440
公开日2011年10月5日 申请日期2011年6月17日 优先权日2011年6月17日
发明者侯彪, 刘芳, 李崇谦, 杨国辉, 焦李成, 王爽, 田小林, 缑水平, 裴静静 申请人:西安电子科技大学