基于相干譜參數的極化干涉SAR圖像非監督分類方法技術

本發明專利技術提供了一種基于相干譜參數的極化干涉SAR圖像非監督分類方法，包括以下步驟：步驟一：對干涉得到的主輔兩幅極化SAR圖像進行去取向和相干斑抑制；步驟二：對極化SAR圖像進行Freeman分解；步驟三：由極化干涉SAR相干矩陣計算最優相干系數；步驟四：將整幅圖像合并為16類；步驟五：基于Wishart距離對像素進行最大似然分類；步驟六：對分類結果進行配色，配色采用相同散射機制用同色系的不同顏色表示。本發明專利技術可以區分有向性傾斜的建筑物和森林，解決植被過估計問題，實現極化圖像的快速準確分類。

【技術實現步驟摘要】

本專利技術涉及一種非監督分類方法，具體地，涉及一種基于相干譜參數的極化干涉SAR圖像非監督分類方法。
技術介紹
全極化SAR(PolSAR)圖像分類所面臨的最重要的問題是：如何根據目標散射機理，非監督地將全極化SAR圖像快速準確的分為不同的類別。目前，工程上普遍采用的方法包括：基于Cloude-pottier分解與Wishart最大似然聚類相結合的方法和基于Freeman-Durden分解與Wishart最大似然聚類相結合的方法。其中，Cloude-pottier分解與Wishart最大似然聚類相結合的方法首先利用特征值分解計算三個參數，計算速度慢；另外在分類過程中根據特征參數的經驗門限將數據分類，分類性能受到了硬門限設置值的影響。基于Freeman-Durden分解與Wishart最大似然聚類相結合的方法廣泛適用于對稱性反射條件分解多波段自然分布目標區域的PolSAR圖像，計算速度快，但算法假設極化后向散射必須滿足互易對稱條件，這種假設會造成植被過估計現象，如城市地區傾斜45°的人造建筑物將被識別為森林。綜上所示，正確的區分有向性傾斜的建筑物和森林，解決植被估計現象成為基于Freeman分解的分類方法的重要問題。
技術實現思路
針對現有技術中的缺陷，本專利技術的目的是提供一種基于相干譜參數的極化干涉SAR圖像非監督分類方法，其可以區分有向性傾斜的建筑物和森林，解決植被過估計問題，實現極化圖像的快速準確分類。根據本專利技術的一個方面，提供一種基于相干譜參數的極化干涉SAR圖像非監督分類方法，其特征在于，包括以下步驟：步驟一：對干涉得到的主輔兩幅極化SAR圖像進行去取向和相干斑抑制；步驟二：對極化SAR圖像進行Freeman分解，計算表面散射Ps、偶次散射Pd和體散射功率Pv，根據Ps、Pd和Pv的大小，對目標進行預分類，將目標像素劃分到表面散射、偶次散射和體散射三個大類中；步驟三：由極化干涉SAR相干矩陣計算最優相干系數γopt1、γopt2和γopt3，進而計算需要的極化干涉相干譜參數；根據極化干涉相干譜參數的取值，將每大類進行細分為9類，整幅圖像被分為27類；步驟四：根據每個像素主導散射機制的個數，將整幅圖像合并為16類；步驟五：基于Wishart距離對像素進行最大似然分類，同時進行類的聚合，直到達到迭代終止條件；步驟六：對分類結果進行配色，配色采用相同散射機制用同色系的不同顏色表示。優選地，所述步驟二利用極化干涉最優譜參數對極化SAR圖像進行Freeman分解。優選地，所述步驟六利用Wishart聚類得到最終的分類結果。優選地，所述步驟五基于Wishart距離對像素進行最大似然分類，同時進行類的聚合，直到達到迭代終止條件；對分類結果進行配色，配色采用相同散射機制用同色系的不同顏色表示。與現有技術相比，本專利技術具有如下的有益效果：本專利技術提供的極化干涉SAR圖像分類方法，首先利用Freeman分解得到初始分類結果，整幅圖像被分為體散射、偶次散射和Bragg散射三大類。然后引入極化干涉信息計算極化相干最優譜參數，該參數能夠估計獨立相干散射機制的數目，根據該參數將每個大類的細分為9類，整幅圖像被分為27類。最后根據每類的散射機制的特性將將整幅圖像合并為16類，得到了初始分類結果。計算初始類的類中心后利用Wishart最大似然聚類，得到最后的分類結果。附圖說明通過閱讀參照以下附圖對非限制性實施例所作的詳細描述，本專利技術的其它特征、目的和優點將會變得更明顯：圖1為本專利技術總體流程的示意圖；圖2為A1/A2平面劃分示意圖；圖3為基于極化干涉最優熵的POLINSAR分類流程圖；圖4(a)、圖4(b)、圖4(c)、圖4(d)為實施示例Oberpfafenhoffen地區的參考圖像示意圖，圖4(a)采用光學圖像，圖4(b)為Pauli基合成圖，圖4(c)采用單通道極化圖像，圖4(d)選取的不同地物類型分布；圖5(a)、圖5(b)為實施示例初始分類結果示意圖，圖5(a)為初始三大類結果，圖5(b)采用A1/A2格式；圖6(a)、圖6(b)、圖6(c)、圖6(d)為實施示例分類結果對比圖，圖6(a)為基于能量的初始分類結果，圖6(b)為本文算法的初始分類結果，圖6(c)為基于能量的分類結果，圖6(d)為本專利技術算法的分類結果；圖7(a)、圖7(b)、圖7(c)為實施示例分類結果細節對比圖，圖7(a)采用光學對比圖像，圖7(b)采用基于能量的方法，圖7(c)采用本專利技術的方法。具體實施方式下面結合具體實施例對本專利技術進行詳細說明。以下實施例將有助于本領域的技術人員進一步理解本專利技術，但不以任何形式限制本專利技術。應當指出的是，對本領域的普通技術人員來說，在不脫離本專利技術構思的前提下，還可以做出若干變形和改進。這些都屬于本專利技術的保護范圍。如圖1所示，本專利技術包括以下步驟：步驟101：對干涉得到的主輔兩幅極化SAR圖像進行去取向和相干斑抑制。步驟102：對極化SAR圖像進行Freeman分解，計算Ps、Pd和Pv，即表面散射、偶次散射和體散射功率，根據Ps、Pd和Pv的大小，對目標進行預分類，將目標像素劃分到表面散射、偶次散射和體散射三個大類中。所述步驟二利用極化干涉最優譜參數對極化SAR圖像進行Freeman分解。具體地，Freeman-Durden分解是一種以三分量散射機理模型為基礎的非相干目標分解方法。該目標分解方法將目標極化協方差矩陣分解成三種散射機制的和，這三種散射機制分別為體散射、偶次散射和一階Bragg表面散射。為了更精確的計算三種散射機制的成分，首先對得到的全級化數據進行去取向處理。假設散射體關于雷達視線的取向是隨機的，取向角為θ，通過基變換公式，可以得到散射體的散射矩陣為如下式(1)：矢量化得到旋轉后的相干矩陣為如下式(2)：先根據去取向理論，將目標向量旋轉到最小交叉極化方向，此時如下式(3)：將式(3)的結果帶入式(1)中得到去取向后的全級化散射矩陣。對體散射，假設雷達回波是由一些隨機取向的細長偶極子的粒子云反射得到，這種模型的典型地物是由大量枝葉組成的植被區域。體散射的協方差矩陣可以表示為如下式(4)：其中，fv對應體散射分量的權重系數。偶次散射可建模成二面角反射器的散射，二面角反射器的兩個散射面可由不同的介質構成，這種散射模型的代表地物有：森林中樹干與地面之間的散射、城市中墻壁與地面間的散射。偶次散射的協方差矩陣可以表示為如下式(5)：其中，α為代表偶次分量成分，fd對應偶次散射分量的權重系數。表面散射可建模成一階Bragg散射，表面散射模型的代表地物是微小擾動的粗糙表面和波浪的水面。表面散射的協方差矩陣可以表示為如下式(6)：fs對應偶次散射分量的權重系數。假設滿足后向散射滿足互易條件，且同極化與交叉極化不相關，若進一步假設體散射、偶次散射及表面散射互不相關，則總散射的協方差矩陣可被分解為如下式(7)：<C>＝fs<[Cs]>+fd<[Cd]>+fv<[Cv]>(7)其中C是將式(1)矢量化后得到的協方差矩陣，將式(4)(5)和(6)帶入公式(7)中，可以得到四個方程，五個未知數(α、β、fs、fv和fd)。根據Re([ShhSvv*])的符號確定主導散射機制是偶次散射本文檔來自技高網...

【技術保護點】
一種基于相干譜參數的極化干涉SAR圖像非監督分類方法，其特征在于，包括以下步驟：步驟一：對干涉得到的主輔兩幅極化SAR圖像進行去取向和相干斑抑制；步驟二：對極化SAR圖像進行Freeman分解，計算表面散射Ps、偶次散射Pd和體散射功率Pv，根據Ps、Pd和Pv的大小，對目標進行預分類，將目標像素劃分到表面散射、偶次散射和體散射三個大類中；步驟三：由極化干涉SAR相干矩陣計算最優相干系數γopt1、γopt2和γopt3，進而計算需要的極化干涉相干譜參數；根據極化干涉相干譜參數的取值，將每大類進行細分為9類，整幅圖像被分為27類；步驟四：根據每個像素主導散射機制的個數，將整幅圖像合并為16類；步驟五：基于Wishart距離對像素進行最大似然分類，同時進行類的聚合，直到達到迭代終止條件；步驟六：對分類結果進行配色，配色采用相同散射機制用同色系的不同顏色表示。

【技術特征摘要】
1.一種基于相干譜參數的極化干涉SAR圖像非監督分類方法，其特征在于，包括以下步驟：步驟一：對干涉得到的主輔兩幅極化SAR圖像進行去取向和相干斑抑制；步驟二：對極化SAR圖像進行Freeman分解，計算表面散射Ps、偶次散射Pd和體散射功率Pv，根據Ps、Pd和Pv的大小，對目標進行預分類，將目標像素劃分到表面散射、偶次散射和體散射三個大類中；步驟三：由極化干涉SAR相干矩陣計算最優相干系數γopt1、γopt2和γopt3，進而計算需要的極化干涉相干譜參數；根據極化干涉相干譜參數的取值，將每大類進行細分為9類，整幅圖像被分為27類；步驟四：根據每個像素主導散射機制的個數，將整幅圖像合并為16類；步驟五：基于Wishart距離對像素進行最大似然分類...

【專利技術屬性】
技術研發人員：許麗穎，
申請(專利權)人：上海衛星工程研究所，
類型：發明
國別省市：上海;31