基于SDIT和SVM的极化SAR图像分类方法技术

本发明专利技术公开了一种基于SDIT和SVM的极化SAR图像分类方法，本方法实现步骤为：（1）输入图像；（2）滤波；（3）提取散射偏振纹理特征；（4）组合特征并归一；（5）训练分类器；（6）预测分类；（7）计算精度；（8）输出结果；本发明专利技术相对于已有的方法可以使经验风险和期望风险同时最小，具有较强泛化能力，较低分类复杂度的优点，具有更全面细致地描述图像特征，提高分类精度的优点，同时具有更好地去噪效果，使极化合成孔径雷达SAR图像的轮廓、边缘更加清晰，提高图像质量，改善极化SAR图像分类性能的优点。

【技术实现步骤摘要】
【专利摘要】本专利技术公开了一种基于SDIT和SVM的极化SAR图像分类方法，本方法实现步骤为：（1）输入图像；（2）滤波；（3）提取散射偏振纹理特征；（4）组合特征并归一；（5）训练分类器；（6）预测分类；（7）计算精度；（8）输出结果；本专利技术相对于已有的方法可以使经验风险和期望风险同时最小，具有较强泛化能力，较低分类复杂度的优点，具有更全面细致地描述图像特征，提高分类精度的优点，同时具有更好地去噪效果，使极化合成孔径雷达SAR图像的轮廓、边缘更加清晰，提高图像质量，改善极化SAR图像分类性能的优点。【专利说明】基于SDIT和SVM的极化SAR图像分类方法
本专利技术属于图像处理
，更进一步涉及极化合成孔径雷达图像地物分类
中的一种基于散射分解、偏振参数、图像纹理的特征组合(ScatteringDecomposition、Image Texture, SDIT)和支持向量机(Support Vector Machine, SVM)的极化合成孔径雷达(Synthetic Aperture Radar, SAR)图像分类方法。本专利技术可用于对极化SAR图像的地物进行分类，能有效的提高极化SAR图像分类的精度。
技术介绍
极化SAR雷达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SAR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。西安电子科技大学拥有的专利技术“基于Freeman分解和同极化比的极化SAR图像分类方法”(专利申请号:201110164401.7，授权【专利技术者】王爽, 焦李成, 高琛琼, 牛东, 马文萍, 马晶晶, 侯彪 申请人:西安电子科技大学本文档来自技高网...

【技术保护点】
一种基于SDIT和SVM的极化SAR图像分类方法，包括如下步骤：?（1）输入任选的一幅待分类的极化SAR图像；?（2）滤波：?采用精致极化LEE滤波方法，对待分类的极化SAR图像进行滤波，去除斑点噪声，得到滤波后的极化SAR图像；?（3）提取散射偏振纹理特征：?（3a)对滤波后的极化SAR图像的每个像素，采用泡利Pauli分解方法得到|a|2，|b|2，|c|2共三个散射参数，采用克拉德cloude分解方法得到H，α，A，λ1，λ2，λ3共六个散射参数，采用弗里曼?德登Freeman?Durden分解方法得到Ps，Pd，Pv，fs，fd，fv，R共七个散射参数，采用克罗艾厄Krogager得到共三个散射参数，采用惠能Huynen分解方法得到a，b，l，c，d，e，f，g，h共九个散射参数，将所得到的全部散射参数作为28维的散射特征；（3b)对滤波后的极化SAR图像中每个像素点提取12维的偏振特征；?（3c)对滤波后的极化SAR图像中每个像素点提取8维的纹理特征；?(4)组合特征并归一：?将散射特征、偏振特征、纹理特征，组成极化SAR图像的48维的散射分解、偏振参数、图像纹理的特征组合SDIT，并将所得到的SDIT特征的值归一到0～1之间的数值；?（5）训练分类器：?在极化SAR图像上，从0.001%到0.01%，每隔0.001%分别选取对应比例的像素作为训练样本，将训练样本的SDIT特征放入支持向量机分类器中进行训练，得到训练好的分类器；?（6）预测分类：?利用训练好的分类器，对待分类的极化SAR图像进行分类，得到极化SAR图像的像素类别；?（7）计算精度：?将极化SAR图像像素类别与真实地物类别进行对比，将类别一致的像素个数与全部像素个数的比值作为极化SAR图像的分类精度；?（8）输出结果：?在分类后的极化SAR图像上，将红色、绿色、蓝色三个颜色作为三基色，按照三基色上色法进行上色，得到上色后的极化SAR图像，输出上色后的极化SAR图像。...

【技术特征摘要】

【专利技术属性】
技术研发人员：王爽，焦李成，高琛琼，牛东，马文萍，马晶晶，侯彪，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：