一种基于Cloude分解的极化SAR图像分类方法

摘要

本发明公开了一种基于Cloude特征分解的极化SAR图像无监督分类方法，包括：读入一幅待分类的极化SAR图像，对图像中的每个像素点进行Cloude分解，得到散射熵H和散射角α；计算散射熵H和散射角α的统计直方图，并对直方图进行分割，得到分割阈值；将得到的分割阈值作为散射熵H和散射角α特征构成的二维平面的划分点，对极化SAR图像进行初始划分为m类；将得到的初始分类的类中心和类别数输入Wishart分类器，得到所述极化SAR图像的分类结果。本发明对H、α参数进行直方图分割获得划分的阈值，改进H/α分类面的初始类中心，使分类更合理，提高了分类器的性能。

主权项

一种基于Cloude分解的极化SAR合成孔径雷达图像分类方法，其特征是，包括如下步骤：步骤S1：读入一幅待分类的极化SAR图像，对图像中的每个像素点进行Cloude分解，得到散射熵H和散射角α；步骤S2：计算散射熵H和散射角α的统计直方图，并对直方图进行分割，得到分割阈值，步骤S2具体包含以下分步骤：步骤S21：计算所述散射熵H和散射角α的统计直方图；步骤S22：对得到统计直方图进行峰值搜索，得到初始峰值，进一步去掉小峰值和相邻峰值，得到明显峰值，步骤S22还包括以下分步骤：步骤S221：找初始峰值，p₀＝{i,s(i)|s(i)≥s(i‑1)&s(i)≥s(i+1),2≤i≤256}，p₀是初始峰值的集合，当i＝256时，则s(i+1)＝s(1)，s(i)表示i点出现的频数，i表示量化的刻度(0～1)；步骤S222：去除小峰值，对于集合p₀，当峰值小于第一阈值时，将这个峰值从集合p₀中去掉；步骤S223：去除相邻的峰值，当两个峰值之间的距离小于第二阈值时，去除较小的峰值；步骤S23：将得到的明显峰值输入到FCM模糊C均值聚类分割器中，得到分割阈值，步骤S23还包括以下分步骤：步骤S231：初始化直方图的聚类中心为步骤S22产生的峰值，设定门限ε，且初始化t＝1,m＝2，步骤S232：计算模糊隶属度，其中，c表示聚类中心的总个数；表示第i个聚类中心；表示第t次迭代计算时的第i个聚类中心与第j个数据点间的欧几里德距离；表示第t次迭代计算时的第i个聚类中心与第k个数据点间的欧几里德距离；表示第t次迭代计算的模糊隶属度矩阵中第i 行j列的模糊隶属度，如果则其中，f_j是映射到直方图的横坐标刻度，1≤j≤256，1≤i≤S，S表示明显峰值个数；步骤S233：计算直方图的聚类中心其中，h(f_j)是f_j的频数，为灰度级，1≤j≤256，1≤i≤S，S表示明显峰值个数；步骤S234：如果迭代停止，否则t＝t+1，重复步骤S232到步骤S234，得到收敛的聚类中心即峰值和隶属度矩阵，根据最大隶属度原则找到分割阈值；步骤S3：将步骤S2得到的阈值作为散射熵H和散射角α特征构成的二维平面的划分点，对极化SAR图像进行初始划分为m类，得到初始分类的类中心，所述类别数m由步骤S2得到的阈值决定；步骤S4：将步骤S3得到的类中心和类别数输入到Wishart分类器中，得到所述极化SAR图像的分类结果。