基于空间域和频域特征的并行SAR图像分类方法

摘要

本发明提供了一种基于空间域和频域特征的并行SAR(合成孔径雷达)图像分类方法，该方法将SAR图像的空间域和频域特征相结合,并基于并行计算环境,先将SAR图像分成n块，再在每块图像中围绕每个像元选取8×8像元大小的图像小块，先对每个图像小块中的每个像元计算相应的小波能量特征、灰度共生矩阵特征和滤波后的灰度均值特征，回收n个图像小块中每个像元的小波能量特征、灰度共生矩阵特征和滤波后的灰度均值特征得到SAR图像中的每一像元的小波能量特征、灰度共生矩阵特征和滤波后的灰度均值特征,并组成特征向量进行聚类最终对SAR图像进行分类。本方法依赖于并行集群计算机系统的高效信息处理能力，对SAR图像进行快速分类，实现了快速分类，解决了大数据量SAR图像分类速度慢的问题。

主权项

一种基于空间域和频域特征的并行SAR图像分类方法，其特征在于，包括以下步骤：1)对SAR图像进行并行去噪处理；2)根据结点数将原始SAR图像分成n块，n为结点数；3)对于每一块图像，围绕其每个像元选取8×8像元大小的图像小块；4)对图像小块进行两次小波分解得到七个小波子图像；5)分别计算每个图像小块中每个像元的七个小波子图像能量特征、四个灰度共生矩阵特征；6)回收n个图像小块中每个像元的七个小波子图像能量特征和四个灰度共生矩阵特征,得到原始SAR图像所有像元的七个小波子图像能量特征和灰度共生矩阵特征；7)根据结点数将去噪处理后的SAR图像分成n块，n为结点数；8)对于每一块图像，围绕其每个像元选取8×8像元大小的图像小块；9)利用下式求取每个图像小块中每个像元的灰度均值：$f(\bar{i},j)=\frac{1}{m^2}\underset{k=0}{\overset{m^2}{\Sigma }}{a}_k$其中，a₀＝f(i,j),为(i,j)处像元的灰度值，为(i,j)处像元周围的其他m²‑1个像元的灰度值；。10)回收n个图像小块的每个像元的灰度均值,得到去噪处理后的SAR图像所有像元的灰度均值；和11)对由七个小波子图像能量特征、四个灰度共生矩阵特征和灰度均值组成的SAR图像特征向量进行聚类,获得SAR图像分类结果。