【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。 ...
【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S ...
【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:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。