专利名称：基于特征值分布统计特性的极化sar图像分类方法
技术领域：
本发明属于图像处理技术领域，涉及极化SAR图像分类，可用于雷达目标检测和 目标识别。
背景技术：
合成孔径雷达SAR是利用合成孔径原理提高方位分辨率，利用脉冲压缩技术提高 距离分辨率，从而获得比真是孔径雷达更好的性能。极化SAR属于SAR的范畴，相比于传统 的SAR，它利用多通道收发电磁波技术，通过对其不同通道的解译，可以获得对目标更全面 的认识。对极化SAR图像的理解和解译属于图像处理范畴，还涉及信号处理，模式识别及机 器学习等众多学科。极化SAR图像分类作为极化SAR图像处理的关键环节之一，在国防和 民用领域正受到越来越广泛的关注。现有的极化SAR图像分类方法大致可以分为基于散射 特性的方法和基于统计特性方法，如基于freeman分解的分类方法和基于散射熵、散射角 的分类方法等。其中，基于统计特性的极化SAR图像分类方法，是将极化SAR图像中具有某方面相 似特征的像素点划分为一类，已经有很多成熟的分类算法被用到极化SAR图像分类中。作 为一门新兴学科，目前主要的研究工作集中在散射特征的提取和适合极化SAR图像分类的 分类器设计上。不同极化散射特征的提取方法得到不同的特征，不同的特征又适合于不同 性能的分类器。现有的特征提取方法主要有freeman分解和cloud分解方法；典型的分类 器有Wishart分类器和H/alpha分类器等。其中，利用freeman分解方法得到特征对极化 SAR图像进行分类时，存在对特征分布特性认知上的不足；利用H/alpha分类器进行类别判 定时，存在类别判决界限需要人为确定的不足，这些不足限制了其在极化SAR图像分类上 的广泛应用。
发明内容
本发明的目的在于克服上述已有技术的不足，提出了一种基于特征值分布特性的 极化SAR图像分类方法，以明确特征的分布特性，避免类别判决界限需要人为确定的问题。实现本发明目的个技术方案是通过研究分析特征值的分布特性，结合贝叶斯分类 对极化SAR图像进行分类，其步骤包括如下(1)对待分类极化SAR图像的所有像素点进行特征值分解；(2)分别对每个像素点分解得到的特征值λ ” λ 2，λ 3进行排序，使 λ 1 > λ 2 ^ λ 3 ；(3)从待分类极化SAR图像中依据实际地物分布，人工构造待分类极化SAR图像中 k类勻质区域集合c = {C” . . .，CJ，并提取出所选取k类勻质区域的特征值；(4)采用EM算法分别对k类勻质区域的特征值λ ” λ 2，λ 3的高斯混 合模型参数进行估计，得到每类勻质区域的各个特征值的概率密度分布函数
权利要求
1.基于特征值分布特性的极化SAR图像分类方法，包括以下步骤(1)对待分类极化SAR图像的所有像素点进行特征值分解；(2)分别对每个像素点分解得到的大小不同的特征值A1,λ2，λ 3按照从大到小的顺 序进行排序，使、》\》入3;(3)从待分类极化SAR图像中依据实际地物分布，人工构造待分类极化SAR图像中k类 勻质区域集合C = IC1, . . .，Ck}，并提取出所选取k类勻质区域的特征值；(4)采用EM算法分别对k类勻质区域的特征值λ” λ 2，λ 3的高斯混合 模型参数进行估计，得到每类勻质区域的各个特征值的概率密度分布函数:
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)所述的对待分类极化 SAR图像的所有像素点进行特征值分解，按照如下步骤进行2a)将待分类极化SAR图像像素点的T矩阵作为输入数据；2b)利用MATLAB软件中的eigs函数对输入的每个像素的T矩阵进行特征值分解，得到 特征值。
3.根据权利要求1所述的极化SAR图像分类方法，其中步骤(4)所述的采用EM算法 分别对k类勻质区域的特征值λ ” λ 2，λ 3的高斯混合模型参数进行估计，按照如下步骤进 行3a)将各类勻质区域的特征值λ” λ2，λ 3分别作为EM算法的输入数据；3b)设定EM算法所求解的高斯混合模型中高斯函数的混合个数m值为1、混合权重ω 为1，ΕΜ算法迭代终止条件为算法的迭代误差小于1.0Ε-06，初始化均值μ和方差σ为随 机值；3c)通过EM算法中的期望最大化流程对均值μ和方差ο进行更新，每次更新后计算 算法的迭代误差并判断是否满足迭代终止条件，满足迭代终止条件时迭代停止，输出得到 输入特征值的均值μ和方差σ ；3d)将混合个数m、混合权重ω和输出的均值μ、方差σ代入式
全文摘要
本发明公开了基于特征值高斯统计特性的极化SAR图像分类方法，主要解决现有技术对特征分布特性认知上不足和类别判决界限需要人为确定的问题。其实现过程是1)对待分类极化SAR图像的所有像素点进行特征值分解；2)选取不同匀质区域作为最基本的类别代表区域，并提取代表匀质区域的特征值；3)采用EM算法分别对各类匀质区域特征值λ1，λ2，λ3的高斯混合模型参数进行估计，求取各个特征值的概率密度分布函数；4)求解各类匀质区域三个特征值的联合概率分布函数；5)对匀质区域中的像素点进行贝叶斯分类，并输出分类结果。本发明具有对极化SAR图像分类效果显著的优点，可用于极化SAR图像目标检测和目标识别。
文档编号G06K9/62GK102122352SQ201110049008
公开日2011年7月13日 申请日期2011年3月1日 优先权日2011年3月1日
发明者乔鑫, 吴建设, 朱虎明, 李阳阳, 焦李成, 王爽, 缑水平, 费全花 申请人:西安电子科技大学