The invention discloses a multi polarization SAR image classification method to describe the scale sparse manifold element, in order to solve the time series of non coherent polarization SAR image information extraction and coherent information and data fusion, and the polarization is too large, the SAR multiplicative model for the incoherent problem through feature fusion of an essentially and manifold the sparse representation, can be effective for the time series of polarimetric SAR image classification. The invention discloses a multi scale non coherent polarization characteristics and temporal coherence characteristics of two scales of information description method of constructing primitives, and generative model for feature extraction and dimension reduction based on a compressed sensing and sparse multi-level nonlinear manifold expression, this method can effectively time series classification of polarimetric SAR image, multi-scale primitives can also become a universal technology based time series polarization SAR image processing.
【技术实现步骤摘要】
一种极化SAR图像多尺度描述基元的稀疏流形分类方法
本专利技术属于图像处理
,特别涉及一种基于时间序列极化SAR图像多尺度描述基元的稀疏流形分类方法。
技术介绍
合成孔径雷达(SyntheticApertureRadar,SAR)是一种用于地面目标物体成像的雷达系统。SAR凭借其高分辨率、全天时和全天候的特性,成为了地面观测的重要工具。SAR图像分类是遥感图像解译的一个重要组成部分,在农林业规划、灾害监测、环境保护、军事侦察等领域都有着广泛的应用。针对单幅SAR图像,统计分布是重要分类手段;针对极化SAR图像,极化分解是常用分类方法;针对多幅时间序列图像,利用干涉信息的解缠可以获取相干信息。如何融合极化统计等非相干信息和时间序列相干信息是时间序列极化SAR图像分类的一个重要方向。常用的多特征融合方法基本可以分为三类:联合训练法、核函数方法、子空间方法。在联合训练法的每个迭代周期中,模型对每个特征进行单独的训练然后将不同模型的差异反馈至训练集。核函数方法中每个特征对应匹配于一个特定的核,所有的核通过线性或者非线性的方法组合起来,代表方法有SimpleMKL。子空间方法假定存在一个隐含子空间可以通过特定的映射生成每一个特征,通过寻找这个子空间实现特征融合,主成分分析(PrincipalComponentAnalysis,PCA)是一种经典的子空间方法。然而,因为解缠问题和InSAR反演流程的复杂性,精确的高度反演后再用于分类存在过程复杂的问题,如何在不需要精确解缠和反演的基础上获取相干信息是关键。更为重要的是,非相干特征和相干特征的联合训练、核函数、子空 ...
【技术保护点】
一种极化SAR图像多尺度描述基元的稀疏流形分类方法,其特征在于,包括以下步骤:步骤1:准备待分类时间序列SAR图像数据集,从待分类图像中提取极化相干矩阵;步骤2:对待分类图像中提取的极化相干矩阵进行极化尺度上的极化分解和时间尺度上的随机游走,形成多尺度描述基元;步骤3:利用步骤1得到待分类时间序列极化SAR图像重叠部分的非相干信息和相干信息,并进行归一化;步骤4:非相干信息、相干信息分别单独输入支持向量机分类器;归一化的特征分别输入联合训练法、Simple MKL、主成分分析法,以这些作为对比试验;步骤5:利用基于稀疏流形表达的非线性产生式模型进行特征提取和信息降维;步骤6:用支持向量机对步骤5中提取的最终特征进行分类。
【技术特征摘要】
1.一种极化SAR图像多尺度描述基元的稀疏流形分类方法,其特征在于,包括以下步骤:步骤1:准备待分类时间序列SAR图像数据集,从待分类图像中提取极化相干矩阵;步骤2:对待分类图像中提取的极化相干矩阵进行极化尺度上的极化分解和时间尺度上的随机游走,形成多尺度描述基元;步骤3:利用步骤1得到待分类时间序列极化SAR图像重叠部分的非相干信息和相干信息,并进行归一化;步骤4:非相干信息、相干信息分别单独输入支持向量机分类器;归一化的特征分别输入联合训练法、SimpleMKL、主成分分析法,以这些作为对比试验;步骤5:利用基于稀疏流形表达的非线性产生式模型进行特征提取和信息降维;步骤6:用支持向量机对步骤5中提取的最终特征进行分类。2.根据权利要求1所述的极化SAR图像多尺度描述基元的稀疏流形分类方法,其特征在于,步骤1的具体实现包括以下子步骤:步骤1.1:准备M张待分类时间序列极化SAR图像数据集D,其中数据集D来自于同一地点在一段时间内T个时刻的极化雷达图像;步骤1.2:对M张图像进行配准并根据极化信息生成每幅图像的极化相干矩阵;步骤1.3:提取数据集所有图像重叠部分及对应的T个极化相干矩阵。3.根据权利要求1所述的极化SAR图像多尺度描述基元的稀疏流形分类方法,其特征在于,步骤2的具体实现包括以下子步骤:步骤2.1:在极化尺度分别进行Pauli分解、S...
【专利技术属性】
技术研发人员:何楚,涂明霞,李壮,韩功,
申请(专利权)人:武汉大学,
类型:发明
国别省市:湖北,42
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。