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<sub>i</sub>,i∈{1,2,...,C},C为类别总数;(2)对每幅类别图P<sub>i</sub>分成Z幅子图,获得C×Z幅子类别图Q<sub>ij</sub>,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<sub>k</sub>(σ),T)/N的目标函数为:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><mfenced open = '{' close = ''><mtable><mtr><mtd><mi>max</mi></mtd><mtd><mrow><mi>G</mi><mrow><mo>(</mo><msub><mi>R</mi><mi>k</mi></msub><mo>(</mo><mi>σ</mi><mo>)</mo></mrow><mo>,</mo><mi>T</mi><mo>)</mo><mo>/</mo><mi>N</mi></mrow></mtd></mtr><mtr><mtd><mrow><mi>s</mi><mo>.</mo><mi>t</mi><mo>.</mo></mrow></mtd><mtd><mrow><mi>σ</mi><mo>∈</mo><mo>[</mo><mn>0.5</mn><mo>,</mo><mn>20</mn><mo>]</mo></mrow></mtd></mtr></mtable></mfenced><mo>,</mo></mrow>]]></math><img file="FDA0000784846560000011.GIF" wi="490" he="172" /></maths>其中σ为方差,T为标记类别,R<sub>k</sub>(σ)为Q<sub>ik</sub>经过方差为σ的高斯滤波后的分类类别,G为计算R<sub>k</sub>(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<sup>*</sup>;(5)对C幅子类别图Q<sub>ik</sub>,i∈{1,2,...,C}进行最优方差为σ<sup>*</sup>的高斯滤波,得到滤波后的图像F<sub>ik</sub>;(6)将C幅滤波后的图像F<sub>ik</sub>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<sub>yk</sub>,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<sub>k</sub>;(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。 |