The invention discloses a polarization SAR image classification method based on the characteristic Gauss statistical property, which mainly solves the problem that the prior art lacks the cognition of the characteristic distribution characteristic and the category judgment limit needs to be artificially determined. The realization process is: 1) eigenvalue decomposition for all pixels to classification of polarimetric SAR images; 2) different homogeneous regions as the regional categories represent the most basic, and feature extraction of representative values of homogeneous regions; 3) using EM algorithm of each kind of homogeneous regions eigenvalues lambda 1, lambda 2 3, lambda Gauss mixture model parameter estimation, the probability density distribution function for each feature value; 4) the joint probability distribution function to solve all kinds of homogeneous regions three characteristic values; 5) for Bayesian classification of pixels in homogeneous regions, and outputs the classification results. The invention has the advantages of remarkable classification effect of polarimetric SAR images, and can be used for target detection and target recognition of polarimetric SAR images.
【技术实现步骤摘要】
本专利技术属于图像处理
，涉及极化SAR图像分类，可用于雷达目标检测和 目标识别。
技术介绍
合成孔径雷达SAR是利用合成孔径原理提高方位分辨率，利用脉冲压缩技术提高 距离分辨率，从而获得比真是孔径雷达更好的性能。极化SAR属于SAR的范畴，相比于传统 的SAR，它利用多通道收发电磁波技术，通过对其不同通道的解译，可以获得对目标更全面 的认识。对极化SAR图像的理解和解译属于图像处理范畴，还涉及信号处理，模式识别及机 器学习等众多学科。极化SAR图像分类作为极化SAR图像处理的关键环节之一，在国防和 民用领域正受到越来越广泛的关注。现有的极化SAR图像分类方法大致可以分为基于散射 特性的方法和基于统计特性方法，如基于freeman分解的分类方法和基于散射熵、散射角 的分类方法等。其中，基于统计特性的极化SAR图像分类方法，是将极化SAR图像中具有某方面相 似特征的像素点划分为一类，已经有很多成熟的分类算法被用到极化SAR图像分类中。作 为一门新兴学科，目前主要的研究工作集中在散射特征的提取和适合极化SAR图像分类的 分类器设计上。不同极化散射特征的提取方法得到不同的特征，不同的特征又适合于不同 性能的分类器。现有的特征提取方法主要有freeman分解和cloud分解方法；典型的分类 器有Wishart分类器和H/alpha分类器等。其中，利用freeman分解方法得到特征对极化 SAR图像进行分类时，存在对特征分布特性认知上的不足；利用H/alpha分类器进行类别判 定时，存在类别判决界限需要人为确定的不足，这些不足限制了其在极化SAR图像分类上 的广泛应...
【技术保护点】
１．基于特征值分布特性的极化ＳＡＲ图像分类方法，包括以下步骤：（１）对待分类极化ＳＡＲ图像的所有像素点进行特征值分解；（２）分别对每个像素点分解得到的大小不同的特征值λ１，λ２，λ３按照从大到小的顺序进行排序，使λ１≥λ２≥λ３；（３）从待分类极化ＳＡＲ图像中依据实际地物分布，人工构造待分类极化ＳＡＲ图像中ｋ类匀质区域集合：Ｃ＝｛Ｃ１，．．．，Ｃｋ｝，并提取出所选取ｋ类匀质区域的特征值；（４）采用ＥＭ算法分别对ｋ类匀质区域的特征值λ１，λ２，λ３的高斯混合模型参数进行估计，得到每类匀质区域的各个特征值的概率密度分布函数：其中λ为某类匀质区域的某个特征值、ω为高斯函数的混合权重、μ为均值参数、σ为方差参数、ｍ为高斯函数的混合个数、μｉ为第ｉ个高斯函数的均值，σｉ为第ｉ个高斯函数的方差，ｉ＝１，２，．．．，ｋ；（５）利用步骤４求得的每类匀质区域的各个特征值的概率密度分布函数，计算每类匀质区域的特征值联合概率密度分布函数：（ｍａｔｈ）??（ｍｒｏｗ）?（ｍｉ）ｐ（／ｍｉ）?（ｍｒｏｗ）?（ｍｏ）（（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）｜（／ｍｏ）?（ｍｉ）ｘ（／ｍｉ）?（ｍｏ）＆Ｅｌｅｍ...
【技术特征摘要】
1.基于特征值分布特性的极化SAR图像分类方法，包括以下步骤(1)对待分类极化SAR图像的所有像素点进行特征值分解；(2)分别对每个像素点分解得到的大小不同的特征值A1,λ2，λ 3按照从大到小的顺 序进行排序，使、》\》入3;(3)从待分类极化SAR图像中依据实际地物分布，人工构造待分类极化SAR图像中k类 勻质区域集合C = IC1, . . .，Ck}，并提取出所选取k类勻质区域的特征值；(4)采用EM算法分别对k类勻质区域的特征值λ” λ 2，λ 3的高斯混合 模型参数进行估计，得到每类勻质区域的各个特征值的概率密度分布函数:2.根据权利要求1所述的极化SAR图像分类方法，其中步骤(1)所述的对待分类极化 SAR图像的所有像素点进行特征值分解，按照如下步骤进行2a)将待分类极化SAR图像像素点的T矩阵作为输入数据；2b)利用MAT...
【专利技术属性】
技术研发人员：缑水平，焦李成，乔鑫，王爽，吴建设，朱虎明，李阳阳，费全花，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：87
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。