基于语义信息和极化分解的极化SAR地物分类方法

摘要

本发明公开了一种基于语义信息和极化分解的极化SAR地物分类方法。其实现包括：对span图进行均值漂移，提取span图的边脊草图，并在边脊草图中用基于语义信息的区域提取技术提取线段聚集区域；基于线段聚集区域并采用临界区域众数投票合并策略和基于极化特征合并策略对span图均值漂移过分割区域进行合并，得到图像分割结果；融合基于语义信息的图像分割结果和基于MRF的H/α-Wishart分类结果，得到最终分类结果。本发明将语义信息、图像处理技术和极化散射特性相结合，主要解决了现有基于极化分解的分类技术对具有聚集特性地物(如森林、建筑群等)的分类结果区域一致性较差的问题，提高了具有聚集特性地物的分类结果的区域一致性和边界保持性。

主权项

一种基于语义信息和极化分解的极化SAR地物分类方法，其特征在于：包括如下步骤： 步骤1.输入待分类的极化SAR图像的数据，对该极化SAR数据进行处理，得到极化SAR数据三个通道的幅度值，融合三个通道幅度值得到极化SAR图像的功率图，即span图，使用均值漂移得到span图的过分割结果图；并根据prime sketch稀疏表示模型提取span图由线段组成的边脊草图，即Sketch Map； 步骤2.对Sketch Map中的线段进行语义信息分析，根据线段聚集特性的统计分布，对线段赋予语义信息即两侧聚集、单侧聚集和孤立线段； 步骤3.在Sketch Map中，根据对线段赋予的语义信息，采用线段集合求解算法提取若干个不相交的聚集线段集合，并对每个聚集线段集合采用区域提取方法得到线段聚集区域R； 步骤4.对过分割结果进行区域合并：将线段聚集区域R对应的过分割区域采用临界区域众数投票合并策略；孤立线段所在过分割区域不合并；对于其他区域采用基于极化特征的区域合并策略，得到基于语义信息的极化SAR图像分割结果； 步骤5.利用极化分解对极化SAR数据进行H/α‑Wishart分类，并用Markov Random Field对H/α‑Wishart分类结果进行邻域优化； 步骤6.融合基于语义信息的分割结果和基于MRF的H/α‑Wishart分类结果，采用众数投票，对于分割图中的每个区域，选择对应的分类结果中像素个数最多的类别作为该区域的类别，并将该类别赋予最终分类结果图中对应的区域，得到待分类的极化SAR图像地物分类的最终分类结果图。