[发明专利]基于各向异质性的快速极化SAR图像分割方法

说明书

本发明公开了一种基于各向异质性的快速极化SAR图像分割方法，属于极化合成孔径雷达图像处理技术领域，适用在极化分类中超像素形成、相干矩阵T精确估计和极化初始分类结果后处理，思路为：获取极化SAR图像，极化SAR图像包括M×N个像素点；M×N个像素点中每个像素点上分别对应1个三阶相干T矩阵，将极化SAR图像中M×N个像素点对应的三阶相干T矩阵按列拼接成列向量，进而得到M×N×9维三维矩阵；依次计算极化SAR图像中M×N个像素点在D个方向模板的Wishart距离和M×N个像素点的各项异质性系数；对M×N个像素点的各项异质性系数进行初始分割，得到一个与极化SAR图像大小相同的M×N维矩阵，令其为M×N维Label矩阵；对M×N维Label矩阵进行区域融合，得到极化SAR图像的超像素分割图。

技术领域

本发明属于极化合成孔径雷达图像处理技术领域，特别涉及一种基于各向异质性的快速极化SAR图像分割方法，适用在极化分类中超像素形成、相干矩阵T精确估计和极化初始分类结果后处理。

背景技术

极化合成孔径雷达技术是现代雷达遥感测量测绘中一项前沿的技术，相对于一般SAR图像仅有幅度和相位信息，极化合成孔径雷达具有4个通道HH、HV、VH、VV能够提供更加丰富的散射信息来进行地物的解译，而极化SAR地物分类是极化SAR应用的一项主要研究内容；如今极化SAR分类方法能大致分为两类：(1)基于像素点的分类；(2)基于区域块的分类；基于区域块的分类是基于一种面向对象的思想，在极化地物分类中有着重要的应用和极大的潜力；相对于传统的基于像素点的极化SAR图像分类，基于区域块的分类有着更好的抗噪能力，且在测绘应用中有着更好的解译表达；但是，基于区域块的分类算法必须预先生成合适匀质的区域，因此如何生成合适的超像素分割得到了越来越多的关注。

超像素在极化SAR地物分类中大致有如下三种用处：一般来说，匀质地物应该满足反射对称性的假设，在实际情况中，分布目标却不一定满足反射对称性，其解决办法可以为将极化SAR图像预先分割成匀质小块，再在小块中得到精确的估计相干矩阵；其次超像素分割作为极化领域的预处理技术，应该有快速的运算速度，高度的边缘贴合度，不存在过分割和欠分割等现象；高度的边缘贴合度以及适当的分割大小使得极化SAR的初始分类结果可以在超像素中进行投票，让优化后的结果有着更高的分类准确率以及更好的解译应用价值；并且，在居民区等区域，极化SAR图像上的功率，极化散射机理的波动十分密集，这会使超像素分割更加紧密，所以超像素的初始分类结果本身也可以分类中的一种纹理信息，来进行地物的初级分类和识别。

极化SAR图像由于受到相干斑噪声的影响，光学图像中现有的边缘检测算法，超像素形成等算法在应用到雷达图像中时往往得不到理想的效果；但借鉴于光学图像的算法，国内外有很多学者提出了改进后的SAR图像和极化SAR图像分割算法；现有的算法主要分为两种：(1)基于图论的切割；(2)基于梯度的切割；这两类算法都牵涉到大量重复地计算一对像素点上信息之间的距离，并且往往涉及到运算复杂的矩阵分解运算或者迭代运算；极化SAR图像在同一像素点上，比单通道的SAR图像多了近8倍的数据量，这使得现有的极化超像素形成算法往往面临着难以忍受的时间复杂度；无论是对于极化分类软件产品的开发及调试，还是对于软件客户的使用，都是无法承受的时间成本。