基于Freeman分解和谱聚类的极化SAR图像分类方法技术

本发明专利技术公开了一种基于Freeman分解和谱聚类的极化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：对每个像素点进行Freeman分解，提取像素点的体散射功率，二面角散射功率和表面散射功率；将像素点的三种散射功率及其坐标作为Mean?Shift算法的输入特征向量，用Mean?Shift算法对图像进行分割，得到M个区域；选取M个区域的代表点作为谱聚类的输入点，对各区域进行谱聚类，获得图像的预分类结果；最后，对预分类得到的整幅图像Wishart分类器进行迭代分类，得到最终分类结果。实验结果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】

本专利技术属于图像处理
，涉及极化合成孔径雷达SAR图像地物分类领域的应用，具体的说是一种基于Freeman分解和谱聚类算法的极化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
随着雷达技术的发展，极化SAR已成为SAR的发展趋势，极化SAR能够得到更丰富的目标信息，在农业、林业、军事、地质学、水文学和海洋等方面具有广泛的研究和应用价值，如地物种类的识别、农作物成长监视、产量评估、地物分类、海冰监测、地面沉降监测，目标检测和海洋污染检测等。极化图像分类的目的是利用机载或星载极化传感器获得的极化测量数据，确定每个像素所属的类别。经典的极化SAR分类方法包括Lee等人提出了基于Η/α目标分解和Wishart分类器的非监督分类方法，见Lee J SiGrunes M RiAinsworth T L，et al. Unsupervised classification using polarimetric decomposition and the complex Wishart classifier.1EEE Trans. Geosc1. Remote 本文档来自技高网...

【技术保护点】
一种基于Freeman分解和谱聚类的极化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图像中每个像素点的相干矩阵T进行Freeman分解，得到每个像素点的体散射功率Pv、二面角散射功率Pd和表面散射功率Ps；(3)根据每个像素点的体散射功率Pv、二面角散射功率Pd和表面散射功率Ps，及像素点的坐标，用Mean?Shift算法对滤波后的图像进行预分割，得到M个区域；(4)在已获得的M个区域上，将每个区域的中心点作为新的像素点Yδ，得到M个新像素点，δ＝1，...,M，将这M个新像素点映射为具有M个节点的全连接图，并对...

【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，李婷婷，王爽，马晶晶，马文萍，刘亚超，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：