主权项 |
一种基于K‑SVD和稀疏表示的极化SAR图像分类方法,包括如下步骤:(1)将表示极化SAR图像的每个像素点的大小为3*3的极化相干矩阵T作为输入数据,计算每个像素点的大小为3*3的协方差矩阵C;(2)对表示极化SAR图像的每个像素点的极化相干矩阵T,采用克劳德cloude分解方法得到H、α共两个散射参数,采用弗里曼‑德登Freeman‑Durden分解方法得到P<sub>s</sub>、P<sub>d</sub>、P<sub>v</sub>共三个散射参数,将相干矩阵T的9个元素、协方差矩阵C的9个元素、H、α、P<sub>s</sub>、P<sub>d</sub>、P<sub>v</sub>、总功率特征参数SPAN共24个特征作为每个像素的特征向量,该特征向量的维数为24×1,用大小为24×N的特征矩阵F表示整幅极化SAR图像,N为整幅极化SAR图像总的像素点数;(3)根据实际地物分布,从每类点所对应的特征向量中选取一部分作为对应的训练样本集Y=Y<sub>1</sub>,Y<sub>2</sub>,...,Y<sub>K</sub>,K为总类别数,Y<sub>i</sub>是从第i类特征向量中选取的训练样本,i=1,2,…,K;(4)利用K‑SVD算法解如下公式:<img file="FDA0000590119010000011.GIF" wi="658" he="88" /><img file="FDA0000590119010000012.GIF" wi="324" he="68" />得到训练字典D=[D<sub>1</sub>,D<sub>2</sub>,...,D<sub>K</sub>],D<sub>i</sub>是第i类训练样本集Y<sub>i</sub>训练得到的字典,i=1,2,…,K;式中,X为稀疏系数矩阵,min||·||表示让·的值达到最小,Subject to表示约束条件,<img file="FDA0000590119010000013.GIF" wi="69" he="59" />表示任意第i列,||·||<sub>0</sub>表示向量的0范数,<img file="FDA0000590119010000014.GIF" wi="110" he="74" />为矩阵的2范数的平方,T<sub>0</sub>为稀疏表示中稀疏向量中非零值的个数的上限;(5)利用OMP算法解如下公式:min||X<sub>i</sub>||<sub>0</sub>Subject to F<sub>j</sub>=D<sub>i</sub>X<sub>i</sub>,i=1,2,…,K,更新K个稀疏系数矩阵X=[X<sub>1</sub>,X<sub>2</sub>,...,X<sub>K</sub>],X<sub>i</sub>是第i类字典对应的稀疏系数矩阵,i=1,2,…,K,式中,F<sub>j</sub>为特征矩阵中F的第j个列向量,即为特征向量,j=1,2,…,N,N为待分类的总像素点数;(6)利用步骤(5)求出的稀疏系数矩阵重构特征向量F<sub>j</sub>,通过求解重构特征向量与原向量的差值确定F<sub>j</sub>的类别;(7)重复步骤(6)直到图像中所有的点都分类完毕,根据像素点所属的类别,用不同颜色将不同类别的像素点表示出来。 |