基于高斯滤波和PSO的极化SAR地物分类方法

摘要

本发明公开了一种基于高斯滤波和PSO的极化SAR地物分类方法，主要解决了现有基于单像素点分类方法的分类精度低的问题。其实现步骤为：先输入待分类极化SAR图像的相关信息和用现有基于单像素点方法对该极化SAR图像的分类结果，构造类别图；再将类别图分成子类别图，对每幅子类别图构建目标函数，将其通过PSO算法优化获得最优方差，用最优方差构建高斯滤波器；之后对子类别图进行高斯滤波，得到每幅子图的分类结果；最后将每幅子图的分类结果进行合并获得整个待分类极化SAR图像的分类结果。本发明提高了极化SAR地物分类的精度，可用于地物分类与目标识别。

主权项

一种基于高斯滤波和PSO的极化SAR地物分类方法，具体步骤如下：(1)输入待分类极化SAR图像的相关信息和用现有基于单像素点方法对该极化SAR图像的分类结果，构造C幅类别图P_i，i∈{1,2,...,C}，C为类别总数；(2)对每幅类别图P_i分成Z幅子图，获得C×Z幅子类别图Q_ij，j∈{1,2,...,Z}；(3)当j＝k时，k为实数，构建以最大化训练样本整体准确率OA＝G(R_k(σ),T)/N的目标函数为:$\left\{\begin{array}{cc}\max & G\left(R_k\right(\sigma ),T)/N\\ s.t.& \sigma \in [0.5,20]\end{array}\right.,$其中σ为方差，T为标记类别，R_k(σ)为Q_ik经过方差为σ的高斯滤波后的分类类别，G为计算R_k(σ)与T相同的个数的函数，N为标记样本总数；(4)迭代优化(3)中的目标函数，获得最优方差σ^*；(5)对C幅子类别图Q_ik，i∈{1,2,...,C}进行最优方差为σ^*的高斯滤波，得到滤波后的图像F_ik；(6)将C幅滤波后的图像F_ik上位置为x的像素点的值进行比较，i∈{1,2,...,C}，得到最大值所在的图像F_yk，y为实数，y∈{1,2,...,C}，则位置为x的像素点的类别为y，如此处理每一点获得第k幅子图的最终分类结果R_k；(7)将Z幅子图都按照(3)‑(6)的步骤依次进行处理，获得Z幅子图的分类结果，再将Z幅子图的分类结果进行合并获得整个待分类极化SAR图像的分类结果。