买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：中国矿业大学

摘要：本发明公开了耦合多维K‑Means与GMM的洪水自动检测方法，通过时间序列极化SAR数据构建4D‑SAR数据，并针对特征维度中的极化信息，利用不同的距离函数改进K‑Means聚类使其能够更好分辨水体特征。同时，利用聚类结果初始化4D‑GMM，利用多个矩阵高斯分布更好拟合4D‑SAR数据特征的分布特性，能够有效解决“硬聚类”造成的部分特征分类不合理的问题，为高效获取洪涝危害范围提供了基础，从根本上克服了SAR影像无监督变化检测方法中存在的信息利用不充分以及无法较好拟合SAR影像特征分布的问题。

主权项：1.耦合多维K-Means与GMM的洪水自动检测方法，其特征在于，包括以下步骤：步骤1、对时序SAR影像进行预处理，包括：分别对各个时相不同极化SAR影像进行轨道校正、热噪声去除、辐射定标、相干斑滤波、地形校正、分贝化；选取同一参考影像对时间序列SAR影像进行配准，使得配准精度达到亚像素级；步骤2、对进行预处理后的多维SAR影像进行在时间维、空间维及特征维度的构建，生成4D-SAR数据；该数据用一个四维的矩阵Phwft＝[phwft]H×W×F×T来表示，其中，T为时相数，F为4D-SAR数据特征维度的长度，包括频、谱信息；phwft表示像元h,w在第t个时相里的第f个特征，t∈[1,T]；其中任意一个像元h,w矢量化后用一个二维矩阵来表示；步骤3、同时对K-Means进行多维度扩展改进；将4D-SAR数据直接输入至改进K-Means中，定义聚类数K，判断是否达到迭代次数要求并获取聚类中心其中，k∈[1,K]，表示第k类；步骤4、对GMM进行多维度改进构建4D-GMM，并利用4D-K-Means方法获得的结果，将不同类别结果与矩阵高斯分布一一对应输入4D-GMM并进行初始化，以迭代的方式计算Uk、Vk两个协方差的估计，直到收敛或达到迭代次数，并获得最优的参数：wk，Ck，Uk，Vk，其中，wk为第k个子矩阵的权重，Ck∈RF×T为第k个子矩阵的均值矩阵，Uk∈RF×F、Vk∈RT×T分别为以Ck为均值的协方差矩阵；步骤5、利用步骤4的最优参数获取二维矩阵的分布以及每个像元的最终类别标签Lhw，其中，C∈RF×T为均值矩阵，U∈RF×F、V∈RT×T分别为以C为均值的协方差矩阵；步骤6、对得到的像素点类别标签进行二值化处理，提取新增洪水区域变化类别，即可获得洪水变化检测结果。

全文数据：

权利要求：

百度查询： 中国矿业大学 耦合多维K-Means与GMM的洪水自动检测方法