一种基于散射相似性的地物分类的方法技术

本申请提供一种基于散射相似性的地物分类的方法。本申请针对H/α分类方法运算量偏大的缺点进行了改进，用散射相似性平面代替了H/α平面。散射相似性分类算法弥补了H/α运算量偏大的缺点，提高了运算效率。同时，分类效果和已有分类效果基本一致。

【技术实现步骤摘要】
一种基于散射相似性的地物分类的方法
本申请涉及微波遥感领域，具体涉及基于散射相似性的地物分类的方法。
技术介绍
目标极化散射特性研究对于目标的检测以及地物分类意义重大。目标极化特性研究可分为两类：一为目标极化分解，二为散射相似性理论。但由于基于目标极化分解的分类方法存在应用局限、运算量偏大等诸多问题，对处理实时的图像数据并不适用。通过分析目标极化分解的不足，2002年，杨健等首次提出了散射相似性这一概念，定义了一种度量目标散射相似性的参数—相似性系数，解决了由于散射相似性理论计算简单，而且能满足要求，已被广泛应用于目标分类与检测，但此目标散射相似性不能直接用于分布式目标散射特性分析。2005年，徐俊毅等提出适用于分布式目标的方法，虽然解决了这一问题，但却额外增加了运算量。
技术实现思路
本申请提供一种基于散射相似性的地物分类的方法。以解决计算量过大的问题。为了解决上述技术问题，本申请实施例提供了如下的技术方案：本申请提供一种基于散射相似性的地物分类的方法，其特征在于，包括：S1，获取与待分类SAR图像的每个像素相关联的目标相干矩阵T；S2，根据所述待分类SAR图像及所述目标相干矩阵T获取分布式目标相干矩阵TT；S3，根据所述分布式目标相干矩阵TT获取极化散射熵H；S4，根据所述待分类SAR图像的两目标像素的关系和所述分布式目标相干矩阵TT获取分布式目标散射相似性系数；S5，根据所述分布式目标散射相似性系数计算表面散射相似性值RS；S6，根据所述表面散射相似性值RS建立表面散射相似性平面AH/RS，所述表面散射相似性平面，包括简单线性近似公式AH和边界RS估计值，其中，所述简单线性近似公式AH，替代所述极化散射熵H；S7，根据所述简单线性近似公式AH和所述边界RS估计值获取散射机制分类；S8，根据所述待分类SAR图像和所述散射机制分类获取分类图。优选的，所述根据所述待分类SAR图像及所述目标相干矩阵T获取分布式目标相干矩阵TT，包括：获取所述待分类SAR图像的极化后向散射矩阵SS；矢量化所述极化后向散射矩阵SS生成特征矢量矩阵根据所述特征矢量矩阵获取目标相干矩阵T；根据所述目标相干矩阵T及Mueller矩阵获取分布式目标相干矩阵TT。优选的，所述根据所述待分类SAR图像的两目标像素的关系和所述分布式目标相干矩阵TT获取分布式目标散射相似性系数，包括：根据所述两目标像素的Pauli基矢量获取所述两目标像素间的散射相似性系数公式：其中，为目标散射矢量，其中上标*表示共轭复数，表示向量分量绝对值的平方和，r∈[0,1]；将所述分布式目标相干矩阵TT分解为第一公式：其中，和分别是三个归一化正交特征矢量，每一个目标对应一种确定的散射机制，确定的散射机制成分i在整个散射过程中所占的权重由特征值Λi描述；然后根据Λi权重大小确定主散射机制，即若Λ1≥Λ2≥Λ3，则为主散射机制，为次散射机制，为最次散射机制；定义散射相似性系数公式：其中，TT为分布式目标相干矩阵，典型目标的Pauli基矢量；根据所述散射相似性系数公式和所述第一公式获取分布式目标散射相似性系数：其中，为的归一化矢量，pi为的发生概率也是对应散射机制发生概率，为和的目标散射相似性系数。优选的，所述根据所述表面散射相似性值建立表面散射相似性平面，所述表面散射相似性平面，包括简单线性近似公式AH和边界RS估计值，包括：利用所述简单线性近似公式AH替代所述极化散射熵H；利用平均α角边界值获取所述边界RS估计值。优选的，所述根据所述简单线性近似公式AH和所述边界RS估计值获取散射机制分类，包括：根据所述简单线性近似公式AH获取第一散射机制分类；根据所述第一散射机制分类及所述平均α角边界和所述边界RS估计值获取所述散射机制分类。基于上述实施例的公开可以获知，本申请实施例具备如下的有益效果：本申请提供一种基于散射相似性的地物分类的方法，所述方法包括：S1，获取与待分类SAR图像的每个像素相关联的目标相干矩阵T；S2，根据所述待分类SAR图像及所述目标相干矩阵T获取分布式目标相干矩阵TT；S3，根据所述分布式目标相干矩阵TT获取极化散射熵H；S4，根据所述待分类SAR图像的两目标像素的关系和所述分布式目标相干矩阵TT获取分布式目标散射相似性系数；S5，根据所述分布式目标散射相似性系数计算表面散射相似性值RS；S6，根据所述表面散射相似性值RS建立表面散射相似性平面AH/RS，所述表面散射相似性平面，包括简单线性近似公式AH和边界RS估计值，其中，所述简单线性近似公式AH，替代所述极化散射熵H；S7，根据所述简单线性近似公式AH和所述边界RS估计值获取散射机制分类；S8，根据所述所述待分类SAR图像和所述散射机制分类获取分类图。本申请针对H/α分类方法运算量偏大的缺点进行了改进，用散射相似性平面代替了H/α平面。散射相似性分类算法弥补了H/α运算量偏大的缺点，提高了运算效率；同时，分类效果和已有分类效果基本一致。附图说明图1是本实施例提供的一种基于散射相似性的地物分类的方法的流程图；图2是本实施例提供的美国旧金山地区的待分类的合成孔径雷达图像的Pauli图；图3是本实施例提供的黄河流域内蒙古段地区的待分类的合成孔径雷达图像的Pauli图；图4是本实施例提供的实现的AH/H平面散布图；图5是本实施例提供的表面散射相似性平面AH/Rs分类散布图；图6是本实施例提供的已有分类方法H/α和AH/Rs分类后的结果示意图；。图7是本实施例提供的已有分类方法H/α和AH/Rs分类后的结果示意图；图8是本实施例提供的已有的分类方法H/α和AH/Rs分类后的结果示意图；图9是本实施例提供的已有分类方法H/α和AH/Rs分类后的结果示意图。具体实施方式下面，结合附图对本申请的具体实施例进行详细的描述，但不作为本申请的限定。应理解的是，可以对此处公开的实施例做出各种修改。因此，上述说明书不应该视为限制，而仅是作为实施例的范例。本领域的技术人员将想到在本公开的范围和精神内的其他修改。包含在说明书中并构成说明书的一部分的附图示出了本公开的实施例，并且与上面给出的对本公开的大致描述以及下面给出的对实施例的详细描述一起用于解释本公开的原理。通过下面参照附图对给定为非限制性实例的实施例的优选形式的描述，本申请的这些和其它特性将会变得显而易见。还应当理解，尽管已经参照一些具体实例对本申请进行了描述，但本领域技术人员能够确定地实现本申请的很多其它等效形式，它们具有如权利要求所述的特征并因此都位于借此所限定的保护范围内。当结合附图时，鉴于以下详细说明，本公开的上述和其他方面、特征和优势将变得更为显而易见。此后参照附图描述本公开的具体实施例；然而，应当理解，所公开的实施例仅仅是本公开的实例，其可采用多种方式实施。熟知和/或重复的功能和结构并未详细描述以避免不必要或多余的细节使得本公开模糊不清。因此，本文所公开的具体的结构性和功能性细节并非意在限定，而是仅仅作为权利要求的基础和代表性基础用于教导本领域技术人员以实质上任意合适的详细结构多样地使用本公开。本说明书可使用词组“在一种实施例中”、“在另一个实施例中”、“在又一实施例中”或“在其他实施例中”，其均可指代根据本公开的相同或不同实施例中的一个或多个。本文档来自技高网...

【技术保护点】
1.一种基于散射相似性的地物分类的方法，其特征在于，包括：S1，获取与待分类SAR图像的每个像素相关联的目标相干矩阵T；S2，根据所述待分类SAR图像及所述目标相干矩阵T获取分布式目标相干矩阵TT；S3，根据所述分布式目标相干矩阵TT获取极化散射熵H；S4，根据所述待分类SAR图像的两目标像素的关系和所述分布式目标相干矩阵TT获取分布式目标散射相似性系数；S5，根据所述分布式目标散射相似性系数计算表面散射相似性值RS；S6，根据所述表面散射相似性值RS建立表面散射相似性平面AH/RS，所述表面散射相似性平面，包括简单线性近似公式AH和边界RS估计值，其中，所述简单线性近似公式AH，替代所述极化散射熵H；S7，根据所述简单线性近似公式AH和所述边界RS估计值获取散射机制分类；S8，根据所述所述待分类SAR图像和所述散射机制分类获取分类图。

【技术特征摘要】
1.一种基于散射相似性的地物分类的方法，其特征在于，包括：S1，获取与待分类SAR图像的每个像素相关联的目标相干矩阵T；S2，根据所述待分类SAR图像及所述目标相干矩阵T获取分布式目标相干矩阵TT；S3，根据所述分布式目标相干矩阵TT获取极化散射熵H；S4，根据所述待分类SAR图像的两目标像素的关系和所述分布式目标相干矩阵TT获取分布式目标散射相似性系数；S5，根据所述分布式目标散射相似性系数计算表面散射相似性值RS；S6，根据所述表面散射相似性值RS建立表面散射相似性平面AH/RS，所述表面散射相似性平面，包括简单线性近似公式AH和边界RS估计值，其中，所述简单线性近似公式AH，替代所述极化散射熵H；S7，根据所述简单线性近似公式AH和所述边界RS估计值获取散射机制分类；S8，根据所述所述待分类SAR图像和所述散射机制分类获取分类图。2.根据权利要求1所述的方法，其特征在于，所述根据所述待分类SAR图像及所述目标相干矩阵T获取分布式目标相干矩阵TT，包括：获取所述待分类SAR图像的极化后向散射矩阵SS；矢量化所述极化后向散射矩阵SS生成特征矢量矩阵根据所述特征矢量矩阵获取目标相干矩阵T；根据所述目标相干矩阵T及Mueller矩阵获取分布式目标相干矩阵TT。3.根据权利要求1所述的方法，其特征在于，所述根据所述待分类SAR图像的两目标像素的关系和所述分布式目标相干矩阵TT获取分布式目标散射相似性系...

【专利技术属性】
技术研发人员：黄平平，贺婷婷，李秀娟，谭维贤，徐伟，杨文，
申请(专利权)人：内蒙古工业大学，
类型：发明
国别省市：内蒙古,15