基于相干谱参数的极化干涉SAR图像非监督分类方法技术

本发明专利技术提供了一种基于相干谱参数的极化干涉SAR图像非监督分类方法，包括以下步骤：步骤一：对干涉得到的主辅两幅极化SAR图像进行去取向和相干斑抑制；步骤二：对极化SAR图像进行Freeman分解；步骤三：由极化干涉SAR相干矩阵计算最优相干系数；步骤四：将整幅图像合并为16类；步骤五：基于Wishart距离对像素进行最大似然分类；步骤六：对分类结果进行配色，配色采用相同散射机制用同色系的不同颜色表示。本发明专利技术可以区分有向性倾斜的建筑物和森林，解决植被过估计问题，实现极化图像的快速准确分类。

【技术实现步骤摘要】

本专利技术涉及一种非监督分类方法，具体地，涉及一种基于相干谱参数的极化干涉SAR图像非监督分类方法。
技术介绍
全极化SAR(PolSAR)图像分类所面临的最重要的问题是：如何根据目标散射机理，非监督地将全极化SAR图像快速准确的分为不同的类别。目前，工程上普遍采用的方法包括：基于Cloude-pottier分解与Wishart最大似然聚类相结合的方法和基于Freeman-Durden分解与Wishart最大似然聚类相结合的方法。其中，Cloude-pottier分解与Wishart最大似然聚类相结合的方法首先利用特征值分解计算三个参数，计算速度慢；另外在分类过程中根据特征参数的经验门限将数据分类，分类性能受到了硬门限设置值的影响。基于Freeman-Durden分解与Wishart最大似然聚类相结合的方法广泛适用于对称性反射条件分解多波段自然分布目标区域的PolSAR图像，计算速度快，但算法假设极化后向散射必须满足互易对称条件，这种假设会造成植被过估计现象，如城市地区倾斜45°的人造建筑物将被识别为森林。综上所示，正确的区分有向性倾斜的建筑物和森林，解决植被估计现象成为基于Freeman分解的分类方法的重要问题。
技术实现思路
针对现有技术中的缺陷，本专利技术的目的是提供一种基于相干谱参数的极化干涉SAR图像非监督分类方法，其可以区分有向性倾斜的建筑物和森林，解决植被过估计问题，实现极化图像的快速准确分类。根据本专利技术的一个方面，提供一种基于相干谱参数的极化干涉SAR图像非监督分类方法，其特征在于，包括以下步骤：步骤一：对干涉得到的主辅两幅极化SAR图像进行去取向和相干斑抑制；步骤二：对极化SAR图像进行Freeman分解，计算表面散射Ps、偶次散射Pd和体散射功率Pv，根据Ps、Pd和Pv的大小，对目标进行预分类，将目标像素划分到表面散射、偶次散射和体散射三个大类中；步骤三：由极化干涉SAR相干矩阵计算最优相干系数γopt1、γopt2和γopt3，进而计算需要的极化干涉相干谱参数；根据极化干涉相干谱参数的取值，将每大类进行细分为9类，整幅图像被分为27类；步骤四：根据每个像素主导散射机制的个数，将整幅图像合并为16类；步骤五：基于Wishart距离对像素进行最大似然分类，同时进行类的聚合，直到达到迭代终止条件；步骤六：对分类结果进行配色，配色采用相同散射机制用同色系的不同颜色表示。优选地，所述步骤二利用极化干涉最优谱参数对极化SAR图像进行Freeman分解。优选地，所述步骤六利用Wishart聚类得到最终的分类结果。优选地，所述步骤五基于Wishart距离对像素进行最大似然分类，同时进行类的聚合，直到达到迭代终止条件；对分类结果进行配色，配色采用相同散射机制用同色系的不同颜色表示。与现有技术相比，本专利技术具有如下的有益效果：本专利技术提供的极化干涉SAR图像分类方法，首先利用Freeman分解得到初始分类结果，整幅图像被分为体散射、偶次散射和Bragg散射三大类。然后引入极化干涉信息计算极化相干最优谱参数，该参数能够估计独立相干散射机制的数目，根据该参数将每个大类的细分为9类，整幅图像被分为27类。最后根据每类的散射机制的特性将将整幅图像合并为16类，得到了初始分类结果。计算初始类的类中心后利用Wishart最大似然聚类，得到最后的分类结果。附图说明通过阅读参照以下附图对非限制性实施例所作的详细描述，本专利技术的其它特征、目的和优点将会变得更明显：图1为本专利技术总体流程的示意图；图2为A1/A2平面划分示意图；图3为基于极化干涉最优熵的POLINSAR分类流程图；图4(a)、图4(b)、图4(c)、图4(d)为实施示例Oberpfafenhoffen地区的参考图像示意图，图4(a)采用光学图像，图4(b)为Pauli基合成图，图4(c)采用单通道极化图像，图4(d)选取的不同地物类型分布；图5(a)、图5(b)为实施示例初始分类结果示意图，图5(a)为初始三大类结果，图5(b)采用A1/A2格式；图6(a)、图6(b)、图6(c)、图6(d)为实施示例分类结果对比图，图6(a)为基于能量的初始分类结果，图6(b)为本文算法的初始分类结果，图6(c)为基于能量的分类结果，图6(d)为本专利技术算法的分类结果；图7(a)、图7(b)、图7(c)为实施示例分类结果细节对比图，图7(a)采用光学对比图像，图7(b)采用基于能量的方法，图7(c)采用本专利技术的方法。具体实施方式下面结合具体实施例对本专利技术进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本专利技术，但不以任何形式限制本专利技术。应当指出的是，对本领域的普通技术人员来说，在不脱离本专利技术构思的前提下，还可以做出若干变形和改进。这些都属于本专利技术的保护范围。如图1所示，本专利技术包括以下步骤：步骤101：对干涉得到的主辅两幅极化SAR图像进行去取向和相干斑抑制。步骤102：对极化SAR图像进行Freeman分解，计算Ps、Pd和Pv，即表面散射、偶次散射和体散射功率，根据Ps、Pd和Pv的大小，对目标进行预分类，将目标像素划分到表面散射、偶次散射和体散射三个大类中。所述步骤二利用极化干涉最优谱参数对极化SAR图像进行Freeman分解。具体地，Freeman-Durden分解是一种以三分量散射机理模型为基础的非相干目标分解方法。该目标分解方法将目标极化协方差矩阵分解成三种散射机制的和，这三种散射机制分别为体散射、偶次散射和一阶Bragg表面散射。为了更精确的计算三种散射机制的成分，首先对得到的全级化数据进行去取向处理。假设散射体关于雷达视线的取向是随机的，取向角为θ，通过基变换公式，可以得到散射体的散射矩阵为如下式(1)：矢量化得到旋转后的相干矩阵为如下式(2)：先根据去取向理论，将目标向量旋转到最小交叉极化方向，此时如下式(3)：将式(3)的结果带入式(1)中得到去取向后的全级化散射矩阵。对体散射，假设雷达回波是由一些随机取向的细长偶极子的粒子云反射得到，这种模型的典型地物是由大量枝叶组成的植被区域。体散射的协方差矩阵可以表示为如下式(4)：其中，fv对应体散射分量的权重系数。偶次散射可建模成二面角反射器的散射，二面角反射器的两个散射面可由不同的介质构成，这种散射模型的代表地物有：森林中树干与地面之间的散射、城市中墙壁与地面间的散射。偶次散射的协方差矩阵可以表示为如下式(5)：其中，α为代表偶次分量成分，fd对应偶次散射分量的权重系数。表面散射可建模成一阶Bragg散射，表面散射模型的代表地物是微小扰动的粗糙表面和波浪的水面。表面散射的协方差矩阵可以表示为如下式(6)：fs对应偶次散射分量的权重系数。假设满足后向散射满足互易条件，且同极化与交叉极化不相关，若进一步假设体散射、偶次散射及表面散射互不相关，则总散射的协方差矩阵可被分解为如下式(7)：<C>＝fs<[Cs]>+fd<[Cd]>+fv<[Cv]>(7)其中C是将式(1)矢量化后得到的协方差矩阵，将式(4)(5)和(6)带入公式(7)中，可以得到四个方程，五个未知数(α、β、fs、fv和fd)。根据Re([ShhSvv*])的符号确定主导散射机制是偶次散射本文档来自技高网...

【技术保护点】
一种基于相干谱参数的极化干涉SAR图像非监督分类方法，其特征在于，包括以下步骤：步骤一：对干涉得到的主辅两幅极化SAR图像进行去取向和相干斑抑制；步骤二：对极化SAR图像进行Freeman分解，计算表面散射Ps、偶次散射Pd和体散射功率Pv，根据Ps、Pd和Pv的大小，对目标进行预分类，将目标像素划分到表面散射、偶次散射和体散射三个大类中；步骤三：由极化干涉SAR相干矩阵计算最优相干系数γopt1、γopt2和γopt3，进而计算需要的极化干涉相干谱参数；根据极化干涉相干谱参数的取值，将每大类进行细分为9类，整幅图像被分为27类；步骤四：根据每个像素主导散射机制的个数，将整幅图像合并为16类；步骤五：基于Wishart距离对像素进行最大似然分类，同时进行类的聚合，直到达到迭代终止条件；步骤六：对分类结果进行配色，配色采用相同散射机制用同色系的不同颜色表示。

【技术特征摘要】
1.一种基于相干谱参数的极化干涉SAR图像非监督分类方法，其特征在于，包括以下步骤：步骤一：对干涉得到的主辅两幅极化SAR图像进行去取向和相干斑抑制；步骤二：对极化SAR图像进行Freeman分解，计算表面散射Ps、偶次散射Pd和体散射功率Pv，根据Ps、Pd和Pv的大小，对目标进行预分类，将目标像素划分到表面散射、偶次散射和体散射三个大类中；步骤三：由极化干涉SAR相干矩阵计算最优相干系数γopt1、γopt2和γopt3，进而计算需要的极化干涉相干谱参数；根据极化干涉相干谱参数的取值，将每大类进行细分为9类，整幅图像被分为27类；步骤四：根据每个像素主导散射机制的个数，将整幅图像合并为16类；步骤五：基于Wishart距离对像素进行最大似然分类...

【专利技术属性】
技术研发人员：许丽颖，
申请(专利权)人：上海卫星工程研究所，
类型：发明
国别省市：上海;31