| 主权项 |
一种基于面向对象和支持向量机的极化SAR数据分类方法，包括以下步骤:（1）预处理：（1a）读取极化合成孔径雷达SAR数据的相干矩阵；（1b）对极化合成孔径雷达SAR数据的相干矩阵进行Lee滤波，得到滤波后的相干矩阵；（2）特征分解：（2a）对滤波后相干矩阵进行波利Pauli分解，得到三个散射特征；（2b）将极化合成孔径雷达SAR数据彩色图中的红通道特征作为彩色图像的第一维，将极化合成孔径雷达SAR数据彩色图绿通道特征作为彩色图像的第二维，将极化合成孔径雷达SAR数据彩色图蓝通道特征作为彩色图像的第三维，合成极化合成孔径雷达SAR数据的彩色图；（3）设置参数：（3a）设置极化合成孔径雷达SAR的彩色图异质度阈值为1000、最大循环次数为10;（3b）设置极化合成孔径雷达SAR的彩色图的光谱权重为0.6，紧致度权重为0.4；（4）合并像素：（4a）在极化合成孔径雷达SAR的彩色图中任选一个像素点，采用异质度公式，计算该像素点与其相邻的像素点之间的异质度；（4b）对相邻两个像素间的最小异质度小于极化合成孔径雷达SAR的彩色图异质度阈值1000的两个像素合并；（4c）检查极化合成孔径雷达SAR的彩色图中像素是否都被选择过，如果存在没有被选择的像素，则执行步骤（4a），否则，执行步骤（4d）；（4d）找出极化合成孔径雷达SAR的彩色图中含有像素数目最少的超像素块，计算该超像素块内包含的像素数，如果该像素数大于给定的彩色图异质度阈值1000，则执行步骤（6），否则，执行步骤（5）；（5）合并超像素块：（5a）从极化合成孔径雷达SAR的彩色图的超像素块中任选一个超像素块，采用彩色图像异质度公式，计算该超像素块与周围相邻的超像素块的异质度；（5b）对相邻的两个超像素块间的最小异质度小于极化合成孔径雷达SAR的彩色图异质度阈值1000两个超像素素块合并；（5c）检查极化合成孔径雷达SAR的彩色图中的超像素块是否全部被选择过，如果存在没有被选择的超像素块，则执行步骤（5a），否则，执行步骤（5d）；（5d）找出极化合成孔径雷达SAR的彩色图中含有像素数目最少的超像素块，计算该超像素块内包含的像素数，如果该像素数大于给定的彩色图异质度阈值1000，则执行步骤(6)，否则，执行步骤（5e）；（5e）判断合并的次数是否大于最大循环次数10，如果是，则执行步骤（6）,否则，执行步骤（5a）；（6）初始分类：（6a）设定支持向量机分类的类别数M；（6b）读入滤波后的极化合成孔径雷达SAR数据；（6c）从滤波后的极化合成孔径雷达SAR数据中，随机选择每一类极化合成孔径雷达SAR数据的300个作为训练样本，其余的作为测试样本；（6d）用支持向量机对训练样本进行学习，得到分类模型；（6e）用分类模型，对测试样本进行测试，得到初始分类结果；（7）二次分类：（7a）在极化合成孔径雷达SAR的彩色图中，按照顺序选择一个超像素块；（7b）在超像素块内，对支持向量机分类的初始分类结果进行统计，得到超像素块内每一类样本的数目，将该超像素块的类别设定为统计样本数目最多的那一类；（7c）判断极化合成孔径雷达SAR的彩色图中是否存在没有选择过的超像素块，如果存在没有选择过的超像素块，则执行步骤（7a），否则，执行步骤（8）；（8）输出结果矩阵：（8a）随机生成一个大小与极化合成孔径雷达SAR的彩色图的大小相同的矩阵，矩阵的值初始化为0；（8b）按照从左到右，从上到下的次序，对极化合成孔径雷达SAR的彩色图中的超像素块编号，极化合成孔径雷达SAR的彩色图中超像素块的编号号码分别为1,2,3…N，N为超像素的总数；（8c）在极化合成孔径雷达SAR的彩色图中按照超像素块的编号顺序选一个超像素块；（8d）找出超像素块内的像素在极化合成孔径雷达SAR的彩色图中的位置，将矩阵对应的位置的元素值设为该超像素块的编号号码值；（8e）判断极化合成孔径雷达SAR的彩色图中是否存在没有选择过的超像素块，如果存在没有选择过的超像素块，则执行步骤（8c），否则，执行步骤（8f）；（8f）输出结果矩阵。 |
