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：西南交通大学

摘要：本发明公开了一种顾及雷达目标方位对称的PolSAR城区分类方法及系统，属于全极化合成孔径雷达图像分类技术领域，解决现有技术导致散射特征提取不准确的问题。本发明将全极化PolSAR图像的极化散射矩阵生成最终的极化协方差矩阵进行分解，得到三个特征值和特征向量构建得到三个子成分；对其所对应的电磁散射机制进行表面散射、偶次散射和体散射判别，再计算后向散射功率；基于特征值和特征向量，提取电磁散射特征参数集；根据后向散射功率构建Sigmoid函数对全极化PolSAR图像进行标记，并结合电磁散射特征参数集训练机器学习方法对待识别的全极化PolSAR图像进行分类。本发明用于PolSAR城区目标分类。

主权项：1.一种顾及雷达目标方位对称的PolSAR城区分类方法，其特征在于，如下步骤：步骤1、将全极化PolSAR图像的极化散射矩阵[S2]生成极化协方差矩阵，对极化协方差矩阵依次进行多视、滤波和地理编码处理，得到最终的极化协方差矩阵；步骤2、利用极化分解方法对最终的极化协方差矩阵进行分解，得到三个特征值和特征向量，并由特征值和特征向量构建得到三个子成分[C3]1、[C3]2和[C3]3；步骤3、根据雷达目标的电磁散射机制对三个子成分所对应的电磁散射机制进行表面散射single、偶次散射double和体散射volume判别，判别后计算各电磁散射机制的后向散射功率Psingle、Pdouble和Pvolume；步骤4、基于特征值和特征向量，根据Cloude-Pottier分解方法提取雷达目标的电磁散射特征参数集，包括极化散射熵H，极化散射反熵A、平均方位角α、二倍极化方向角β、表面散射与偶次散射相位差δ和表面散射与体散射相位差γ；步骤5、根据后向散射功率构建Sigmoid函数对全极化PolSAR图像中的城区目标进行标记；步骤6、基于标记后的全极化PolSAR图像，利用电磁散射特征参数集训练机器学习方法，并基于训练好的机器学习方法对待识别的全极化PolSAR图像进行分类，得到最终城区目标分类结果；所述步骤1中，将全极化PolSAR图像的极化散射矩阵[S2]生成极化协方差矩阵的具体步骤为：步骤1.1、利用正交单位矩阵Lexicographic对全极化PolSAR图像的极化散射矩阵进行矢量化，得到极化散射矢量；全极化PolSAR图像的极化散射矩阵[S2]为： 式中，SHH和SVV为同极化信息，SHV和SVH为交叉极化信息，其中，HH表示发射并接收水平极化电磁波，VV表示发射并接收垂直极化电磁波，HV表示发射水平极化电磁波并接收垂直极化电磁波，VH表示发射垂直极化电磁波并接收水平极化电磁波；正交单位矩阵Lexicographic为： 基于极化散射矩阵和正交单位矩阵Lexicographic，得到极化散射矩阵矢量化的结果为：KL4＝[SHHSHVSVHSVV]T式中，T表示转置运算，对于单站SAR系统，根据互易性，有SHV＝SVH，则得到最终的极化散射矢量为： 步骤1.2、利用极化散射矢量与极化散射矢量共轭转置向量相乘得到极化协方差矩阵： 式中，*表示共轭转置运算；所述步骤1中，对极化协方差矩阵依次进行多视、滤波和地理编码处理，得到最终的极化协方差矩阵的具体步骤为：首先根据极化协方差矩阵的像元大小和成像几何，按照需要输出的空间分辨率对极化协方差矩阵在方位向和距离向上进行多视处理；然后利用精致Lee滤波算法对多视处理后的极化协方差矩阵进行滤波，去除相干斑噪声；最后对去噪后的极化协方差矩阵进行地理编码，得到最终的极化协方差矩阵；利用精致Lee滤波算法对多视处理得到的极化协方差矩阵进行滤波，其中，去除相干斑噪声的抽象公式具体为：Ix,y＝I0x,y·υx,y式中，Ix,y为真实PolSAR信息，即多视处理得到的极化协方差矩阵中每个像元的信息，I0x,y为无噪声PolSAR信息，即表示无噪声污染的目标信息，νx,y为噪声信息；选择3×3、5×5或7×7的滤波窗口作为局部区域，利用多视处理得到的极化协方差矩阵局部统计特性对其进行斑点滤波，根据局部线性最小均方差原则，去噪后的极化协方差矩阵为： 式中，为滤波后得到的去噪后的极化协方差矩阵，Ix,y为中心像元值，即指PolSAR实际测量值，为真实PolSAR信息，为滤波窗口内均值，b为加权系数： 式中，varIx,y表示Ix,y局部邻域方差，表示噪声方差；所述步骤2中利用极化分解方法对最终的极化协方差矩阵进行分解是指基于特征值和特征向量的矩阵分解算法对极化协方差矩阵进行分解分别得到三个特征值和特征向量，再利用特征值和特征向量组合得到三个3×3的子矩阵，构成分解结果的三个子成分[C3]1、[C3]2和[C3]3，具体为： 式中，λi为特征值，μi为最终的极化协方差矩[C3]分解后得到的特征向量，即3维列向量，其中，i＝1，2，3；所述步骤3的具体步骤为：步骤3.1、[C3]1、[C3]2、[C3]3三个子成分均为3×3矩阵，都具有九个元素，每个矩阵都拥有第二行第二列上的元素，分别为C122、C222和C322，分别对C122、C222和C322进行大小判断，将C122、C222和C322中值最大的元素所在的子成分作为体散射分量[C3]volume；步骤3.2、对于剩下两个子成分分别定义为[C3]a、[C3]b，[C3]a和[C3]b第一行第三列上的元素的实部值为正，则为表面散射，为负，则为偶次散射，即ReCa130，ReCb130，则[C3]a为表面散射[C3]single，而[C3]b为偶次散射[C3]double，反之，若ReCa130，ReCb130，则[C3]a为偶次散射[C3]double，而[C3]b为表面散射[C3]single，其中，Re为取实部操作；步骤3.3、基于步骤3.1和步骤3.2得到最终极化分解结果：[C3]＝[C3]single+[C3]double+[C3]volume；步骤3.4、基于最终极化分解结果计算各种散射机制的散射功率： 其中，*表示共轭转置，single表示表面散射，double表示偶次散射，volume表示体散射，λcom为相应电磁散射机制所对应的特征值，μcom为相应电磁散射机制所对应的特征向量；所述步骤5中的具体步骤为：步骤5.1、利用总功率值作为自变量构建初步分类的Sigmoid函数，利用偶次散射和体散射的相对大小关系作为自变量构建二次分类的Sigmoid函数；步骤5.2、初步分类：基于初步分类的Sigmoid函数利用后向散射总功率的强弱关系实现城区目标的初步分类： Span＝Psingle+Pdouble+Pvolume若y值大于给定阈值则为城区目标，否则为非城区目标，其中，Span为总功率值；步骤5.3、二次分类：在初次分类的基础上，基于二次分类的Sigmoid函数对城区目标进一步分类： 若y值小于给定阈值为小方位角城区目标，否则为大方位角城区目标，Rvolume为根据电磁散射机制构建的二次分类系数，以自变量身份加入到Sigmoid函数中；基于二次分类得到的结果对全极化PolSAR图像中的城区目标进行标记。

全文数据：

权利要求：

百度查询： 西南交通大学 一种顾及雷达目标方位对称的PolSAR城区分类方法及系统