基于谱聚类的极化SAR图像分类方法技术

本发明专利技术公开了一种基于谱聚类的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高的问题。其实现步骤为：提取表征极化SAR目标散射特征的散射熵H，结合空间坐标信息，作为Mean?Shift算法的输入特征空间；在特征空间用Mean?Shift算法进行分割，得到M个区域；在M个区域上，选取各区域的代表点作为谱聚类的输入，对各区域进行谱分割，进而完成对所有像素点的谱聚类，获得预分类结果；最后，对预分类得到的整幅图像用能反映极化SAR分布特性的Wishart分类器进行迭代分类，得到分类结果。实验表明，本发明专利技术所实现的极化SAR图像分类效果更好，可用于对各种极化SAR图像进行无监督分类。

【技术实现步骤摘要】
基于谱聚类的极化SAR图像分类方法
本专利技术属于图像处理
，涉及极化SAR图像地物分类领域的应用，具体的说是一种基于谱聚类算法的极化SAR图像分类方法，可用于对极化SAR图像的地物分类和目标识别。
技术介绍
合成孔径雷达SAR是一种高分辨率主动式有源微波遥感成像雷达，具有全天候、 全天时、分辨率高、可侧视成像等优点，可应用于军事、农业、导航、地理监视等诸多领域。极化SAR通过调整收发电磁波的极化方式可以获得场景目标的极化散射矩阵，由于极化散射矩阵包含有丰富的地物信息，为更加深入地研究目标的散射特性提供了重要的依据，极大地增强了成像雷达对目标信息的获取能力。近年来，利用极化SAR测量数据进行的分类在国际遥感领域受到高度重视，已成为SAR图像分类的主要研究方向。根据处理方法的不同，全极化SAR图像分类方法可以分为监督分类和非监督分类。监督分类方法主要包括基于统计知识、神经网络、小波分析和模糊逻辑的分类方法。非监督分类方法中最多的是基于目标散射机理的方法。一般是对目标进行特定的极化分解， 提取散射特征，进行硬分割，如H/α方法，Freeman分解方法。相对于监督分类方法而言， 基于本文档来自技高网...

【技术保护点】
一种基于谱聚类的极化SAR图像分类方法，包括如下步骤：(1)对待分类的大小为R×Q的极化SAR图像进行滤波，去除斑点噪声；(2)对滤波后的极化SAR图像每个像素点的相干矩阵T进行Cloude分解，提取每个像素的散射熵H特征，得到整幅图像的关于散射熵H的特征空间；(3)用Mean?Shift算法对获取到的特征空间进行分割，得到M个区域；(4)在已获得的M个区域上，选取每个区域的典型代表点作为新的像素点Yδ,δ＝1，...,M，得到M个新像素点，将这M个新像素点映射为具有M个节点的全连接图，并对这个全连接图进行谱聚类。(4a)根据相似性准则，构造新像素点Yδ的邻接矩阵A，将邻接矩阵A中每一个元素A...

【技术特征摘要】

【专利技术属性】
技术研发人员：焦李成，刘坤，郭卫英，王爽，刘亚超，马文萍，马晶晶，侯小瑾，张涛，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：