基于半监督分类与区域距离测度的SAR图像识别方法

摘要

本发明公开了一种基于半监督分类与区域距离测度的SAR图像识别方法。其实现步骤为：通过切分原始SAR图像建立图像库，从图像库中挑选目标单一的SAR图像块；提取图库内图像块的特征向量；将挑选出的SAR图像块分成若干类，并用对应的特征向量作为训练样本，训练半监督分类器，并用此分类器对图像库分类；对用户输入的查询图像块，用已训练的分类器得到其类别；根据混淆矩阵求取查询图像块的类别集合，计算查询图像块与图像库中属于该集合的图像块之间的区域相似距离，并依照该距离从小到大的顺序返回用户需要数量的图像块。本发明具有分类错误可纠正，信息识别精度高的优点，可用于对多幅SAR图像同时进行解译。

主权项

一种基于半监督分类与区域距离测度的SAR图像识别方法，包括如下步骤：1)对原始SAR图像进行无重叠切分，以建立SAR图像库{p₁,p₂,…，p_N}，从该图像库中按照目标单一原则挑选图像块{p₁,p₂,…,p_l}，其中l＜＜N，N表示图库中的SAR图像块个数，l表示挑选出的SAR图像块个数，所述目标单一原则是指图像块中某目标占图像总面积的一半以上；2)提取所有图像块的离散小波三层变换的子带能量，作为图像块的特征向量其中，$\bar{n}=10;$3)将挑选出的SAR图像块{p₁,p₂,…,p_l}按照语义内容分成{c_i,1≤i≤k}类，其中k表示语义类别的个数，并用对应的特征向量作为训练样本，训练高斯随机场半监督分类器，利用该分类器对整个SAR图像库{p₁,p₂,…,p_N}分类，得到具有类标的SAR图像库；4)对用户输入的查询图像块p′，采用与步骤2)相同的方法提取其特征向量f′，并用与步骤3)相同的训练样本及训练好的高斯随机场半监督分类器，得到查询图像块的类别数c_i；5)根据步骤4)得到的类别数c_i及经验混淆矩阵，计算查询图像块的类别集合{c}：5a)在已分类的SAR图像库中，挑选出每一类的前K幅图像块，组成新的图像样本集，从此样本集中随机挑选训练样本训练高斯随机场半监督分类器，用该分类器进行100次随机分类试验，得到经验混淆矩阵Con∈R^k×k，混淆矩阵Con是方阵，其中第i行第j列Con(i,j)表示属于c_i类的样本被分为c_j类的个数，1≤i≤k，1≤j≤k；5b)对经验混淆矩阵进行列归一化，即将一列中的每个元素除以该列元素的总和，得到经验的后验概率矩阵ConP∈R^k×k；5c)设置阈值T，将后验概率矩阵中的第i行第j列ConP(i,j)与阈值T进行比较，当ConP(i,j)≤T时，将ConP(i,j)设置为0，反之ConP(i,j)保持不变，阈值T的大小根据期望的每一列的非零元素个数设定；5d)根据查询图像块的类别数c_i，在后验概率矩阵ConP中的第i列中查找非零元素的位置，最终得到类别集合{c}；6)计算查询图像块p′与图库中属于类别集合{c}中所有图像块的区域距离；7)按照步骤6)得到的区域距离，以从小到大的顺序返回用户需要数量的图像，完成图像识别。