基于模糊粒子群和目標(biāo)分解的極化sar圖像分類方法
【專利摘要】本發(fā)明公開了一種基于模糊粒子群和目標(biāo)分解的極化SAR圖像分類方法，其實現(xiàn)步驟為：(1)輸入極化合成孔徑雷達(dá)SAR圖像數(shù)據(jù)的相干矩陣；(2)預(yù)處理；(3)提取散射特征；(4)初始分類；(5)優(yōu)化初始類；(6)最終分類；(7)輸出分類結(jié)果。本發(fā)明采用極化SAR圖像數(shù)據(jù)目標(biāo)分解特征的分類方法，克服了現(xiàn)有技術(shù)因不能充分利用其特征信息而產(chǎn)生的極化SAR圖像分類邊緣模糊，使得本發(fā)明分類后的極化合成孔徑雷達(dá)SAR圖像的邊緣更加清晰，減少復(fù)威舍特Wishart的迭代次數(shù)，降低計算復(fù)雜度，提高了分類效率。本發(fā)明可用于極化SAR圖像中不同目標(biāo)的地物分類。
【專利說明】基于模糊粒子群和目標(biāo)分解的極化SAR圖像分類方法

【技術(shù)領(lǐng)域】
[0001] 本發(fā)明屬于圖像處理【技術(shù)領(lǐng)域】，更進(jìn)一步涉及圖像處理和遙感【技術(shù)領(lǐng)域】中的一種 基于模糊粒子群和目標(biāo)分解的極化合成孔徑雷達(dá)（Synthetic Aperture Radar SAR)圖像 分類方法。本發(fā)明可用于對極化合成孔徑雷達(dá)SAR圖像中不同目標(biāo)的地物分類。

【背景技術(shù)】
[0002] 近年來，極化合成孔徑雷達(dá)SAR已成為遙感領(lǐng)域最先進(jìn)的傳感器之一。到目前為 止，極化合成孔徑雷達(dá)SAR圖像分類中基于特征的目標(biāo)分解的無監(jiān)督分類是極化合成孔徑 雷達(dá)SAR圖像分類的重要分支?；谔卣鞯哪繕?biāo)分解一般而言就是把極化測量數(shù)據(jù)（散射 矩陣、協(xié)方差矩陣、相干矩陣等）分解成各種不同的成分，這些成分可用于表征目標(biāo)的散射 或幾何結(jié)構(gòu)信息。目標(biāo)分解的方法有很多，其中1997年Cloude和Pottier首次提出的基于 特征值/特征適量分析的克勞德Cloude分解和2004年J. S. Lee等提出的弗瑞曼Freeman 分解在極化合成孔徑雷達(dá)SAR圖像分類中應(yīng)用最廣泛。
[0003] 由于基于散射機(jī)理的極化合成孔徑雷達(dá)SAR無監(jiān)督分類方法具有與數(shù)據(jù)無關(guān)的 優(yōu)點，應(yīng)用這種方法不需要知道數(shù)據(jù)的概率分布，不需要利用類別已知的數(shù)據(jù)進(jìn)行訓(xùn)練，而 且可以合理地解釋結(jié)果的散射機(jī)理。因此基于散射機(jī)理的全極化合成孔徑雷達(dá)SAR無監(jiān)督 分類方法得到了廣泛的應(yīng)用，基于散射機(jī)理的極化合成孔徑雷達(dá)SAR無監(jiān)督分類常用的特 征分解有兩種，克勞德Cloude分解和弗瑞曼Freeman分解。
[0004] 西安電子科技大學(xué)在其專利申請"基于Freeman分解和數(shù)據(jù)分布特征的極化 SAR圖像分類方法"（專利申請?zhí)枺?01210415131. 7,
【發(fā)明者】焦李成, 劉芳, 文雯, 馬文萍, 馬晶晶, 王爽, 侯彪, 李陽陽, 劉靜 申請人:西安電子科技大學(xué)