[发明专利]基于随机相似性的全极化合成孔径雷达图像快速分类方法

说明书

本发明涉及一种基于随机相似性的全极化合成孔径雷达图像快速分类方法，包括：读入待分类的全极化合成孔径雷达图像；由目标相干矩阵求取目标的自随机相似参数rrr_s以及散射相似alpha角参数α_ss；基于自随机相似参数rrr_s将目标粗分为高、中、低三种散射随机情形；基于散射相似alpha角参数α_ss进一步将三种散射随机情形细分为八种不同的散射机制；用不同标记将待分类的全极化合成孔径雷达图像根据所做的划分加以标识，形成最终分类图。

技术领域

本发明涉及图像分类方法，特别涉及一种基于随机相似性的全极化合成孔径雷达图像快速分类方法。

背景技术

使用全极化合成孔径雷达探测复杂分布目标是当前遥感与地球科学的研究热点之一。相比于传统单极化测量，全极化测量可获得更多目标散射信息，并将这些信息以相干矩阵等形式存储起来，通过对这些矩阵进行分析和处理，有望实现对目标的理解和识别。

在已提出的所有分析和处理方法中，极化目标分解是当前关注最多且效果最好的方法，现象学二分法、特征分解法以及模型分解法是常见的三类面向分布雷达目标的分解方法。基于特征分解，Cloude和Pottier将分布目标分解为三个单目标之和(参见参考文献1：“S.R.Cloude and E.Pottier,An entropy based classification scheme for landapplications of polarimetric SAR,IEEE Trans.Geosci.Remote Sens.,vol.35,no.1,pp.68-78,Jan.1997”)。其中，分布目标的三个特征值表征三个单目标的散射功率，对应的三个特征矢量表征三个单目标的散射机制。基于三变量Bernoulli统计散射模型，Cloude和Pottier发展出一个散射熵参数H来描述分布目标的散射随机性。进一步利用该统计散射模型，他们提出一个平均目标概念，并通过改进的Bragg散射α-β模型实现了对该平均目标的统计参数估计，其中的平均alpha角参数α_cp能在统计意义下有效刻画原始分布目标的散射机制。基于参数H和α_cp以及大量实测数据验证，Cloude和Pottier发展出著名的H/α_cp分类方法，其将分布雷达目标有效划分为八类。该方法对现有的机载和星载全极化合成孔径雷达数据都具有良好适用性，是极化遥感领域当前最流行且最成功的分类方法，已成为标准算法广泛应用于各种场合。

尽管有效且通用，H/α_cp分类方法的一个最大缺陷是运行效率低，因为参数H和α_cp需通过对目标相干矩阵进行特征分解才能获得，而特征分解比较耗时。为了实现对一幅极化合成孔径雷达图像的分类，我们需对所有像素位置处的目标相干矩阵都进行特征分解，其产生的运算量可以想象。