超高分辨率合成孔径雷达图像分类方法技术

本发明专利技术公开一种超高分辨率合成孔径雷达图像分类方法，包括以下步骤：图像获取步骤，利用超高分辨率合成孔径雷达获取超高分辨率合成孔径雷达图像；特征谱取得步骤，根据所述超高分辨率合成孔径雷达图像取得4类特征谱，分别是相关曲线、频谱、径向谱和角度谱；特征集提取步骤，基于所述特征谱提取均值、方差、偏度、频谱中心、频谱通量、径向谱中心、径向谱通量、相邻相关曲线峰值距离、角度谱的最大峰对应角度这9个特征参量形成特征集；以及非监督分类步骤，基于所述特征集对所述超高分辨率合成孔径雷达图像进行分类。

【技术实现步骤摘要】
超高分辨率合成孔径雷达图像分类方法
本专利技术涉及超高分辨率合成孔径雷达图像分类方法，具体涉及一种基于多类谱的超高分辨率合成孔径雷达纹理特征集的超高分辨率合成孔径雷达图像分类方法。
技术介绍
灰度共生矩阵(GLCM)特征是目前在合成孔径雷达(SAR)影像中应用最为广泛的特征集，但是该特征集在超高分辨率SAR影像中应用效果受到严重的限制。在下述非专利文献1中提出了基于傅里叶谱的特征参数，监督学习精度在50％～90％，对不同场景差异大，能力不足以得到良好的无监督聚类效果。由于超高分辨率SAR场景复杂，人工界定类别有比较大的主观因素，同一样本可同时被不同用户鉴定为属于多个类别，在实际应用中造成困难。非专利文献1A.Popescu,I.Gavat,andM.Datcu,“ContextualdescriptorsforsceneclassesinveryhighresolutionSARimages”,IEEEGeoscienceandRemoteSensingLetters,vol.9,no.1,pp.80-84,2012.
技术实现思路
本专利技术针对不同的纹理类型，提出了基于4类特征谱、包本文档来自技高网...

【技术保护点】
一种超高分辨率合成孔径雷达图像分类方法，其特征在于，包括以下步骤：图像获取步骤，利用超高分辨率合成孔径雷达获取超高分辨率合成孔径雷达图像；特征谱取得步骤，根据所述超高分辨率合成孔径雷达图像取得4类特征谱，分别是相关曲线、频谱、径向谱和角度谱；特征集提取步骤，基于所述特征谱提取均值、方差、偏度、频谱中心、频谱通量、径向谱中心、径向谱通量、相邻相关曲线峰值距离、角度谱的最大峰对应角度这9个特征参量形成特征集；以及非监督分类步骤，基于所述特征集对所述超高分辨率合成孔径雷达图像进行分类。

【技术特征摘要】
1.一种超高分辨率合成孔径雷达图像分类方法，其特征在于，包括以下步骤：图像获取步骤，利用超高分辨率合成孔径雷达获取超高分辨率合成孔径雷达图像；特征谱取得步骤，根据所述超高分辨率合成孔径雷达图像取得4类特征谱，分别是相关曲线、频谱、径向谱和角度谱；特征集提取步骤，基于所述特征谱提取均值、方差、偏度、频谱中心、频谱通量、径向谱中心、径向谱通量、相邻相关曲线峰值距离、角度谱的最大峰对应角度这9个特征参量形成特征集；以及非监督分类步骤，基于所述特征集对所述超高分辨率合成孔径雷达图像进行分类。2.根据权利要求1所述的超高分辨率合成孔径雷达图像分类方法，其特征在于，在所述特征谱取得步骤中，所述相关曲线为像素距离r从最小可能的距离到最大可能距离变化时由相关函数C(r)形成的曲线，相关函数C(r)表示为式中，M和N分别表示图块的行列数，表示图块散射强度的均值当P[i,j]和P[m,n]之间距离为r时，d[i,j；m,n]＝1，否则等于0，D表示图块中距离为r的像素对总量。3.根据权利要求1所述的超高分辨率合成孔径雷达图像分类方法，其特征在于，在所述特征谱取得步骤中，所述频谱通过傅里叶变换取得。4.根据权利要求3所述的超高分辨率合成孔径雷达图像分类方法，其特征在于，所述频谱根据以下公式取得其中，p和q分别代表行和列方向的波数，并采用代替F。5.根据权利要求1所述的超高分辨率合成孔径雷达图像分类方法，其特征在于，在所述特征谱取得步骤中，所述径向谱通过将所述频谱分为不同半径的同心圆，并分别对每个同心圆圆周的频谱值求和取得。6.根据权利要求5所述的超高分辨率合成孔径雷达图像分类方法，其特征在于，所述径向...

【专利技术属性】
技术研发人员：李新武，吴文瑾，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京,11