一种面向全极化合成孔径雷达图像的散射金字塔分类方法
【技术领域】
[0001] 本发明涉及图像分类方法，特别涉及一种面向全极化合成孔径雷达图像的散射金 字塔分类方法。
【背景技术】
[0002] 全极化合成孔径雷达图像分类是微波遥感和地球科学领域的研究热点。全极化雷 达通过交替正交接收可获得关于目标物理散射和几何结构等信息，这些信息包含在获取的 目标散射二阶统计矩阵，诸如Kennaugh矩阵、相干矩阵和协方差矩阵当中。要想从这些矩 阵中解译出目标信息，需对其进行一定的处理。Huynen在1970年发现（参见参考文献1 : "J. R. Huynen,''Phenomenological Theory of Radar Targets, ^Ph. D. Dissertation, Tech. Univ. Delft, Delft, The Netherland，1970"）：目标分解是一种有效地理解目标散射信息的 方法，其通过从目标中提取出主要散射信息或将其在不同标准散射机制上进行展开，可在 一定程度上将特定目标散射信息揭露无遗。Huynen分解是第一个正式提出的极化目标分 解技术，其奠定了该领域的基础。该领域在过去四十多年里受到了持续的广泛关注，大批 不同极化分解方法被提出，并已广泛用于机载和星载极化雷达图像处理领域。这其中使用 最广泛、最成功的莫属Cloude-Pottier分解，基于该分解发展的熵/alpha角分类在极化 雷达图像处理领域具有广泛的影响力（参见参考文献2 :"S. R. Cloude and E. Pottier，〃An entropy based classification scheme for land applications of polarimetric SAR，"IEEE Trans. Geosci. Remote Sens.，vol. 35, no. 1，pp. 68-78, Jan. 1997"）。
[0003] 尽管Huynen分解具有重要理论意义，但并没有得到广泛的实际应用，一个主要原 因是其只能处理规则/对称目标。而实际上许多自然目标和人造目标并非如此理想，具有 复杂的非规则性和非对称性，例如茂密的森林和拥挤的城市建筑群。对于这类目标，Huynen 分解将无能为力。标准Huynen分解的提出意欲克服Huynen分解在这方面的不足。从目 标散射描述的物理可实现条件出发，Li和Zhang近期发现仍存在另外两种分解形式，分 别偏好于散射非对称性和非规则性，其与原始Huynen分解一起构成了标准Huynen分解， 可提供关于目标散射的全面描述，这在自适应雷达目标提取方面已得到了成功应用（参 见参考文献 3 :''D. Li and Y. Zhang,''Huynen dichotomy-based radar target adaptive extraction, "in Proc. PIERS, Stockholm, Sweden, 2013, pp. 881-85"）。然而关于该分解的 分类应用，尚没有一个有效的实现方案。分类应用考查的是一个分解算法能否用于对随机 分布目标的描述，这比自适应目标提取更具挑战性，因为后者通常只需处理单目标即可。按 照当前极化分解领域的发展趋势，一个优秀的分解算法不仅须能提取单目标，更须对广泛 存在的分布目标具有适用性。因此标准Huynen分解能否有效用于目标分类，是影响其未来 应用的关键指标。
【发明内容】
[0004] 本发明的目的在于克服现有技术中尚缺乏对Huynen分解的有效实现方案，从而 提供一种简单快速、易于实现的图像分类方法。
[0005] 为了实现上述目的，本发明提供了一种面向全极化合成孔径雷达图像的散射金字 塔分类方法，包括：
[0006] 步骤1)、读入待分类图像的目标相干矩阵并进行去取向处理；
[0007] 步骤2)、由步骤1)所得到的结果分别求取目标对表面散射、二面散射和体散射的 偏好度参数SD 〇Ps、SDoPd和SDoP v以及平均偏好度参数SDoP 3;
[0008] 步骤3)、基于步骤2)所得到的SDoP3构建三层金字塔模型，该三层金字塔模型从 底到顶分别代表高、中、低三种散射随机情形；
[0009] 步骤4)、基于参数SDoPs、SDoPd和SDoP v的排列组合，进一步将步骤3)所得到的三 层金字塔模型划分为十块，分别表示十种不同的散射机制；
[0010] 步骤5)、用不同的标记将待分类图像根据步骤4)所做的划分加以标识，形成最终 分类图。
[0011] 上述技术方案中，所述步骤1)具体包括：对待分类图像中每一个像素位置的目标 相干矩阵做去取向操作；其中，
[0012] 若原始的目标相干矩阵T为：
[0013]
【主权项】
1. 一种面向全极化合成孔径雷达图像的散射金字塔分类方法，包括： 步骤1)、读入待分类图像的目标相干矩阵并进行去取向处理； 步骤2)、由步骤1)所得到的结果分别求取目标对表面散射、二面散射和体散射的偏好 度参数SD〇Ps、SDoPd和SDoP v以及平均偏好度参数SDoP 3; 步骤3)、基于步骤2)所得到的SDoP3构建三层金字塔模型，该三层金字塔模型从底到 顶分别代表高、中、低三种散射随机情形； 步骤4)、基于参数SD〇Ps、SD〇Pd和SDoP v的排列组合，进一步将步骤3)所得到的三层金 字塔模型划分为十块，分别表示十种不同的散射机制； 步骤5)、用不同的标记将待分类图像根据步骤4)所做的划分加以标识，形成最终分类 图。
2. 根据权利要求1所述的面向全极化合成孔径雷达图像的散射金字塔分类方法，其特 征在于，所述步骤1)具体包括：对待分类图像中每一个像素位置的目标相干矩阵做去取向 操作；其中， 若原始的目标相干矩阵T为：
取向角^通过下式估计：
则去取向后的目标相干矩阵Τ'表示为：
3. 根据权利要求2所述的面向全极化合成孔径雷达图像的散射金字塔分类方法，其特 征在于，在步骤2)中，目标对表面散射的偏好度参数SDoP s、目标对二面散射的偏好度参数 SDoPd、目标对体散射的偏好度参数SDoPv的计算公式分别为：
平均偏好度参数SDoP3的计算公式为：
4. 根据权利要求3所述的面向全极化合成孔径雷达图像的散射金字塔分类方法，其特 征在于，在步骤3)中，基于SDoP3所构建的三层金字塔模型为 ：
5. 根据权利要求4所述的面向全极化合成孔径雷达图像的散射金字塔分类方法，其特 征在于，在步骤4)中，将三层散射金字塔划分为十块包括：
其中，金字塔顶层被划分为三块，其中的S表偏好表面散射、D表二面散射、V表 体散射；金字塔中层被划分为六块，分别用SD、SV、DS、DV、VS和VD表示，SD表示目标散射 "偏好表面散射和二面散射"，SV表目标散射"偏好表面散射和体散射"，DS表目标散射 "偏好二面散射和表面散射"，DV表目标散射"偏好二面散射和体散射"，VS表目标散射 "偏好体散射和表面散射"，VD表目标散射"偏好体散射和二面散射"。
6. 根据权利要求1所述的面向全极化合成孔径雷达图像的散射金字塔分类方法，其特 征在于，所述步骤5)进一步包括： 步骤5-1)、对待分类图像中的某一像素基于该像素位置的T矩阵计算参数SD〇Ps、 SDoPd、SDoPvW及它们的平均SDoP 3， 步骤5-2)、然后利用三层金字塔模型判断其位于金字塔哪一层以及该层的哪一类； 步骤5-3)、用赋予该类别的区分标记标识该像素位置； 步骤5-4)、对待分类图像中的所有像素均做步骤5-1)-步骤5-3)操作，得到最终分类 图。
【专利摘要】本发明涉及一种面向全极化合成孔径雷达图像的散射金字塔分类方法，包括：读入待分类图像的相干矩阵并进行去取向处理；分别求取目标对表面散射、二面散射和体散射的偏好度参数SDoPs、SDoPd和SDoPv以及平均偏好度参数SDoP3；基于SDoP3构建三层金字塔模型，该三层金字塔模型从底到顶分别代表高、中、低三种散射随机情形；基于参数SDoPs、SDoPd和SDoPv的排列组合，将三层金字塔模型划分为十块，分别表示十种不同的散射机制；用不同的标记将待分类图像加以标识，形成最终分类图。
【IPC分类】G06K9-62
【公开号】CN104636752
【申请号】CN201510056210
【发明人】李 东, 张云华
【申请人】中国科学院空间科学与应用研究中心
【公开日】2015年5月20日
【申请日】2015年2月3日