主权项 |
基于模糊C均值的全极化SAR图像分类方法,其特征在于:包括如下步骤:1)对原始全极化SAR数据进行预处理,采用多视处理和Refined Lee滤波方法消除SAR图像中斑点噪声的影响;2)对预处理后的图像进行Cloude‑Pottier极化分解,得到散射熵H、散射角α、平均散射强度λ三个极化参数;3)根据平均散射强度的值将图像分为三大类,分别为:高散射强度区域、中等散射强度区域和低散射强度区域,将每一大类利用H/α平面进一步分割,共得到24小类;4)采用层次聚类算法将得到的24类合并为n(0<n≤24)类;5)计算每个像素点与每一类聚类中心的距离,采用FCM算法调整每一类地物的边界,直至满足目标函数最小,迭代终止并输出分类结果;所述FCM算法中的像素点到聚类中心的距离d采用Wishart距离和一个距离因子W<sub>ij</sub>重新定义:<maths num="0001" id="cmaths0001"><math><![CDATA[<mrow><msup><mi>d</mi><mn>2</mn></msup><mrow><mo>(</mo><mo><</mo><mi>T</mi><mo>></mo><mo>,</mo><msub><mi>V</mi><mi>m</mi></msub><mo>)</mo></mrow><mo>=</mo><msup><mrow><mo>(</mo><mfrac><mrow><mi>ln</mi><mo>|</mo><msub><mi>V</mi><mi>m</mi></msub><mo>|</mo><mo>+</mo><mi>Tr</mi><mrow><mo>(</mo><msubsup><mi>V</mi><mi>m</mi><mrow><mo>-</mo><mn>1</mn></mrow></msubsup><mo><</mo><mi>T</mi><mo>></mo><mo>)</mo></mrow></mrow><msub><mi>W</mi><mi>ij</mi></msub></mfrac><mo>)</mo></mrow><mn>2</mn></msup></mrow>]]></math><img file="FDA0000652577010000011.GIF" wi="761" he="180" /></maths><maths num="0002" id="cmaths0002"><math><![CDATA[<mrow><msub><mi>W</mi><mi>ij</mi></msub><mo>=</mo><mfrac><msub><mi>μ</mi><mi>ij</mi></msub><mrow><munderover><mi>Σ</mi><mrow><mi>i</mi><mo>=</mo><mn>1</mn></mrow><mi>N</mi></munderover><msub><mi>μ</mi><mi>ij</mi></msub></mrow></mfrac></mrow>]]></math><img file="FDA0000652577010000012.GIF" wi="248" he="204" /></maths>其中<T>为像素点的相干矩阵,V<sub>m</sub>为每一类的平均相干矩阵,即聚类中心,μ<sub>ij</sub>代表数据点x<sub>i</sub>隶属于类别j的概率;所述距离因子W<sub>ij</sub>表示的含义为W<sub>ij</sub>越大,每个像素与类别中心V<sub>m</sub>的距离越小,离聚类中心近的点变得更近,与聚类中心远的点变得更远。 |