[发明专利]一种极化SAR图像分类方法

权利要求书

1.一种极化SAR图像分类方法，其特征在于，包括以下步骤：

步骤1，对极化SAR图像进行精致Lee滤波，滤除相干斑噪声；

步骤2，获取极化SAR图像的极化相干矩阵T和H/A/α分解特征，并将其设置为图像原始特征；

步骤3，将图像原始特征的每个元素均归一化到区间[0,1]；

步骤4，随机选取部分极化SAR图像的有标记样本，将其设置为训练样本；

步骤5，使用训练样本的图像原始特征训练半耦合投影字典对学习模型；

步骤6，使用步骤5训练得到的半耦合投影字典对学习模型对待分类的极化SAR图像进行特征提取；

步骤7，将步骤6提取的特征输入到RFC分类器中，得到分类结果。

2.根据权利要求1所述的一种极化SAR图像分类方法，其特征在于，步骤2的具体步骤如下：

2a)选取每个极化SAR图像的极化相干矩阵T上三角处的三个元素，以及极化相干矩阵T对角线上的三个元素，将它们作为原始特征的第一部分，标记为X₁；

2b)对每个极化SAR图像的极化相干矩阵T进行H/A/α分解特征，选取3个非负特征值以及熵、平均散射角和各向异性参数，将它们作为原始特征的第二部分，标记为X₂；

2c)将2a)与2b)得到的特征合到一起，作为图像的原始特征，标记为X＝{X₁,X₂}。

3.根据权利要求1所述的一种极化SAR图像分类方法，其特征在于，步骤5所述的半耦合投影字典对学习模型描述如下：

式中，τ₁，τ₂，λ₁，λ₂，θ₁，θ₂是固定标量，X＝{X₁,X₂}表示极化SAR图像的原始特征，该原始特征作为半耦合投影字典对模型的输入，其中，X₁＝[X₁₁,...,X_k1...,X_K1]，X₂＝[X₁₂,...,X_k2...,X_K2]，K表示极化SAR图像的类别数目，A＝{A₁,A₂}表示编码矩阵，其中A₁＝[A₁₁,...,A_k1...,A_K1]，A₂＝[A₁₂,...,A_k2...,A_K2]，D＝{D₁,D₂}表示合成字典，其中D₁＝[D₁₁,...,D_k1...,D_K1]，D₂＝[D₁₂,...,D_k2...,D_K2]，P＝{P₁,P₂}表示分析字典，其中P₁＝[P₁₁,...,P_k1...,P_K1]，P₂＝[P₁₂,...,P_k2...,P_K2]，合成字典D₁与分析字典P₁表示输入数据X₁的字典对，合成字典D₂与分析字典P₂表示输入数据X₂的字典对，表示X_k1在X₁中的补集，表示X_k2在X₂中的补集，W表示映射矩阵，d_i1和d_i2分别代表D₁和D₂的第i个原子，与表示数据保真项，和表示判别项，表示A₁与A₂的映射方程。