[发明专利]基于面向对象和谱聚类的极化SAR图像分类方法

权利要求书

1.一种基于面向对象和谱聚类的极化SAR图像分类方法，包括以下步骤:

(1)读取极化合成孔径雷达SAR数据的相干矩阵T，并对其进行Lee滤波，得到滤波后的相干矩阵T，提取该相干矩阵T的Pauli特征，根据该Pauli特征合成极化合成孔径雷达SAR的彩色图像；

(2)设置极化合成孔径雷达SAR的有关参数：彩色图异质度阈值为1000、最大循环次数CN为10、光谱权重w为0.6、形谱权重m为0.4；

(3)合并彩色图像的所有像素：

(3a)在极化合成孔径雷达SAR的彩色图中任选一个像素点Px，找出与Px相邻的四个像素点P1、P2、P3、P4，根据异质度公式得到像素点Px分别与其相邻的四个像素点P1、P2、P3、P4之间的异质度，并记像素点中最小异质度Ps对应的两个像素点为Px和Pn；

(3b)将像素点中最小异质度Ps与极化合成孔径雷达SAR的彩色图异质度阈值1000进行比较，如果像素点中最小异质度Ps小于极化合成孔径雷达SAR的彩色图异质度阈值1000，则将像素点中Ps对应的两个像素点Px和Pn合并形成超像素块；

(3c)检查极化合成孔径雷达SAR的彩色图中的像素点是否都被选择过，如果存在没有被选择的像素点，则返回步骤(3a)，否则，执行步骤(3d)；

(3d)在极化合成孔径雷达SAR的彩色图中找出含有像素点数目最少的超像素块，计算该超像素块内包含的像素点数目，如果该像素点数大于给定的彩色图异质度阈值1000，则执行步骤(5)，否则，执行步骤(4)；

(4)合并彩色图像的所有超像素块：

(4a)在极化合成孔径雷达SAR的彩色图的超像素块中任选一个超像素块SPx，找出与SPx相邻的四个超像素块SP1、SP2、SP3、SP4，根据异质度公式得到超像素块SPx分别与其相邻的四个超像素块SP1、SP2、SP3、SP4之间的异质度，并记超像素块最小异质度SPs对应的两个超像素块为SPx和SPn；

(4b)将超像素块最小异质度SPs与极化合成孔径雷达SAR的彩色图异质度阈值1000进行比较，如果SPs小于该异质度阈值1000，则将该SPs对应的两个超像素块SPx和SPn合并为一个新的超像素块，否则，执行步骤(4c)；

(4c)检查极化合成孔径雷达SAR的彩色图中的超像素块是否都被选择过，如果存在没有被选择的超像素块，则返回步骤(4a)，否则，执行步骤(4d)；

(4d)在极化合成孔径雷达SAR的彩色图中找出含有像素点数目最少的超像素块，计算该超像素块内包含的像素点数目，如果该像素点数大于给定的彩色图异质度阈值1000，则执行步骤(5)，否则，执行步骤(4e)；

(4e)判断合并超像素的次数是否大于最大循环次数10，如果是，则执行步骤(5),否则，返回步骤(4a)；

(5)计算超像素块类心：

(5a)统计出每一个超像素块内的像素数目P，计算超像素的相干矩阵的加权和Ta；

Ta=Σj=1NUMPij]]>

其中，P_ij表示第i个超像素块内的第j个像素点的相干矩阵T，NUM为第i个超像素块内像素点的总数目；

(5b)求出每一个超像素块的相干矩阵均值Ts：

Ts＝Ta/P；

(6)将相干矩阵均值Ts作为对应超像素块的类心，利用谱聚类方法对该超像素块类心进行分类，得到超像素块的类别，完成对极化SAR图像的分类。

2.根据权利要求1所述的基于面向对象和谱聚类的极化SAR图像分类方法，其中步骤(1)涉及的滤波后的相干矩阵T，它是一个3*3*M的矩阵，其中，M表示极化合成孔径雷达SAR的总像素数，每个像素点的相干矩阵为的维数为3*3。