本发明专利技术涉及一种基于随机相似圆图的全极化合成孔径雷达图像分类方法，包括：读入待分类图像的相干矩阵并进行去取向处理；求取目标的自随机相似参数rrrs，以及目标对标准表面散射、二面散射和体散射的相似性参数rrrcs、rrrcd和rrrcv；基于rrrs构建随机相似圆图，其具有三层环状结构，从内到外分别代表高、中、低三种散射随机情形；基于参数rrrcs、rrrcd和rrrcv的排列组合进一步将圆图划分为十块，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。
【技术实现步骤摘要】
本专利技术设及图像分类领域，特别设及一种基于随机相似圆图的全极化合成孔径雷 达图像分类方法。
技术介绍
传统单极化雷达测量无法全面获取目标散射信息，因此基于单极化测量无法实现 对复杂分布雷达目标的精细理解。全极化散射测量的提出旨在通过在一组正交极化基下交 替发射同时接收的方式获取更多的目标散射信息，但也进一步增加了信号处理难度，因为 此时获得的目标散射不再为一个带幅度和相位的复数（即后向散射系数），而是由六个复数 和Ξ个实数组成的抽象的3 X 3目标相干矩阵。全极化雷达信号处理的核屯、就是要设计算法 从该矩阵中提取有用的、可W理解的目标几何物理信息，实现对目标的有效识别和分类。 一个常用的方法就是将目标相干矩阵进行极化分解，运一概念由化ynen于1970年 首次提出（参见参考文献 l:''J.R.Huynen,"Phenomenological Theory of Radar 了日巧613,"陆.0.013361'1日1：；1,了6油.1]]1；1(1,1970")，引领了 该领域40多年的蓬勃发展。此外，基于散射相似性的目标识别和分类方法近期也受到了广 泛应用和关注，我国科学家在此做了重要贡献。清华大学杨健等首先定义了两个单目标散 射矩阵间的相似性（参见参考文献2: "J. Yang, Y.N. Peng, and S. Μ丄in/Similarity between two scattering matrices ,"Electron . Lett.,vol.37,no .3,pp.193-194, Feb. 200Γ );国防科大陈强等将该参数进行拓展，W描述分布目标与标准单目标散射体间 的相似性（参见参考文献3: "Q. Chen, Y.Μ. Jiang,L. J. Zhao,and G. Y.Kuang,"化larimel：!·iC scattering similarity between a random scatterer and a canonical scatterer," IE邸 Geosci .Remote Sens丄ett. ,vol .7,no.4,pp.866-869,Oct.2010");在杨和陈工作的 基础上，中科院空间中屯、李东和张云华等近期进一步发展出一个随机散射相似性参数(参 见参考文南犬 4 : "D . Li and Υ . Zhan 邑，"Random similarity between two mixed scatterers, "IEEE Geosci .Remote Sens 丄ett. , vol. 12,no. 12,pp. 1-5,Dec. 2015")，用从 描述任意两个散射体，特别是两个分布/混合散射体间的相似性。该参数的一个优势在于， 当待描述的两个散射体为同一散射体时，所得到的自随机散射相似性参数能直接刻画该散 射体的随机性，故可实现对目标相似性和随机性的直接描述。 在现有技术中使用最广泛、最成功、且最认可的全极化合成孔径雷达图像分类法 为赌/alpha角分类法，但该方法存在错分现象，在准确性上还有提升空间。
技术实现思路
本专利技术的目的在于克服已有的全极化合成孔径雷达图像分类方法存在错分现象 的缺陷，从而提供一种准确性更高的分类方法。 为了实现上述目的，本专利技术提供了一种基于随机相似圆图的全极化合成孔径雷达 图像分类方法，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的自随机相似参数rrrs，W及目标 对标准表面散射的相似性参数rrru、目标对二面散射的相似性参数rrrsd和目标对体散射 的相似性参数rrrcv; 步骤3)、基于步骤2)所得到的自随机相似参数rrrs构建随机相似圆图，所述随机 相似圆图具有立层环状结构，从内到外分别代表高、中、低立种散射随机情形;其中，所述随 机相似圆图从外环到内环的划分方法及其物理意义如下：步骤4)、基于目标对标准表面散射的相似性参数rrru、目标对二面散射的相似性 参数rrrcd和目标对体散射的相似性参数rrrcv的排列组合，进一步将步骤3)所得到的随机 相似圆图划分为十块，分别表示十种不同的散射机制;其中，划分为十块后的随机相似圆图 表不为：[001引其中，rrrcs > {rrrcd, rrrcv}表示;rrrcs大于rrrcd和rrrcv;随机相似圆图的外环被 划分为Ξ块，对应S、D、V^种散射机制，S表示目标散射"相似于表面散射"、D表示目标散射 "相似于二面散射"、V表示目标散射"相似于体散射"；随机相似圆图的中环被划分为六块， 对应50、5￥、05、0￥、￥5和￥0六种散射机制，50表示目标散射"相似于表面散射和二面散射"， SV表示目标散射"相似于表面散射和体散射"，DS表示目标散射"相似于二面散射和表面散 射"，DV表示目标散射"相似于二面散射和体散射"，VS表示目标散射"相似于体散射和表面 散射"，VD表示目标散射"相似于体散射和二面散射"；随机相似圆图的内环代表高随机性散 射R; 步骤5)、用不同的标记将待分类图像根据之前所做的划分加 W标识，形成最终分 类图。 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， 若原始的目标相干矩阵τ为： 取向角9通过下式估计： 则去取向后的目标相干矩阵Τ'表示为： 其中上标"Η"表示矩阵 , 共辆转置操作。 上述技术方案中，在步骤2)中，目标对标准表面散射的相似性参数rrrcs、目标对标 准二面散射的相似性参数rrrcd、W及目标对标准体散射的相似性参数rrrcv的计算公式分 别为： 目标的自随机相似参数rr。的计算公式为：上述技术方案中，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，基于该像素位置的目标T矩阵计算相似性 参数口_。3、1'1'。(1、1'1'。巾^及自随机相似参数1·!·。； 步骤5-2)、然后利用随机相似圆图的模型判断该像素位于随机相似圆图的哪一环 W及该环的哪一类；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。 本专利技术的优点在于： 本专利技术的相似圆图分类方法有效地利用随机散射相似性参数在相似性和随机性 刻画方面的双重优势实现对全极化合成孔径雷达图像的精细分类，该方法实现简单且易于 理解，与当前最流行的分类方法的对比实验表明，其具有优异的雷达目标区分性能。【附图说明】 图1是本专利技术的的总体流 程图； 图2是本专利技术的的具体流 程图； 图3是一个实施例中所采用的待分类全极化合成孔径雷达图像的示意图； 图4(a)是本专利技术的方法所实现的随机相似圆图模型的示意图； 图4(b)是现有技术中的赌/alpha角分类模型的示意图； 图5是图3经本专利技术的方法做分类后的结果示意图； 图6是图3采用现有技术中的赌/alpha角分类方法做分类后的结果示意图。【具体实施方式】 现结合附图对本专利技术作进一步的描述。 参考图1和图2,本专利技术的 包括W下步骤： 步骤1)、读入待分类图像的目标相干矩阵本文档来自技高网...
【技术保护点】
一种基于随机相似圆图的全极化合成孔径雷达图像分类方法，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的自随机相似参数rrrs，以及目标对标准表面散射的相似性参数rrrcs、目标对二面散射的相似性参数rrrcd和目标对体散射的相似性参数rrrcv；步骤3)、基于步骤2)所得到的自随机相似参数rrrs构建随机相似圆图，所述随机相似圆图具有三层环状结构，从内到外分别代表高、中、低三种散射随机情形；其中，所述随机相似圆图从外环到内环的划分方法及其物理意义如下：步骤4)、基于目标对标准表面散射的相似性参数rrrcs、目标对二面散射的相似性参数rrrcd和目标对体散射的相似性参数rrrcv的排列组合，进一步将步骤3)所得到的随机相似圆图划分为十块，分别表示十种不同的散射机制；其中，划分为十块后的随机相似圆图表示为：其中，rrrcs＞{rrrcd,rrrcv}表示rrrcs大于rrrcd和rrrcv；随机相似圆图的外环被划分为三块，对应S、D、V三种散射机制，S表示目标散射“相似于表面散射”、D表示目标散射“相似于二面散射”、V表示目标散射“相似于体散射”；随机相似圆图的中环被划分为六块，对应SD、SV、DS、DV、VS和VD六种散射机制，SD表示目标散射“相似于表面散射和二面散射”，SV表示目标散射“相似于表面散射和体散射”，DS表示目标散射“相似于二面散射和表面散射”，DV表示目标散射“相似于二面散射和体散射”，VS表示目标散射“相似于体散射和表面散射”，VD表示目标散射“相似于体散射和二面散射”；随机相似圆图的内环代表高随机性散射R；步骤5)、用不同的标记将待分类图像根据之前所做的划分加以标识，形成最终分类图。...
【技术特征摘要】
【专利技术属性】
技术研发人员：李东，张云华，
申请(专利权)人：中国科学院国家空间科学中心，
类型：发明
国别省市：北京;11
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。