基于随机相似圆图的全极化合成孔径雷达图像分类方法
基于随机相似圆图的全极化合成孔径雷达图像分类方法
【技术领域】
[0001] 本发明设及图像分类领域，特别设及一种基于随机相似圆图的全极化合成孔径雷 达图像分类方法。
【背景技术】
[0002] 传统单极化雷达测量无法全面获取目标散射信息，因此基于单极化测量无法实现 对复杂分布雷达目标的精细理解。全极化散射测量的提出旨在通过在一组正交极化基下交 替发射同时接收的方式获取更多的目标散射信息，但也进一步增加了信号处理难度，因为 此时获得的目标散射不再为一个带幅度和相位的复数（即后向散射系数），而是由六个复数 和Ξ个实数组成的抽象的3 X 3目标相干矩阵。全极化雷达信号处理的核屯、就是要设计算法 从该矩阵中提取有用的、可W理解的目标几何物理信息，实现对目标的有效识别和分类。
[0003] 一个常用的方法就是将目标相干矩阵进行极化分解，运一概念由化ynen于1970年 首次提出（参见参考文献 l:''J.R.Huynen,"Phenomenological Theory of Radar 了日巧613,"陆.0.013361'1日1：；[0]1,了6油.1]]1；[￥.061的，061的，化0化1：1161'1日]1(1,1970")，引领了 该领域40多年的蓬勃发展。此外，基于散射相似性的目标识别和分类方法近期也受到了广 泛应用和关注，我国科学家在此做了重要贡献。清华大学杨健等首先定义了两个单目标散 射矩阵间的相似性（参见参考文献2: "J. Yang, Y.N. Peng, and S. Μ丄in/Similarity between two scattering matrices ,"Electron . Lett.,vol.37,no .3,pp.193-194, Feb. 200Γ );国防科大陈强等将该参数进行拓展，W描述分布目标与标准单目标散射体间 的相似性（参见参考文献3: "Q. Chen, Y.Μ. Jiang,L. J. Zhao,and G. Y.Kuang,"化larimel：!·iC scattering similarity between a random scatterer and a canonical scatterer," IE邸 Geosci .Remote Sens丄ett. ,vol .7,no.4,pp.866-869,Oct.2010");在杨和陈工作的 基础上，中科院空间中屯、李东和张云华等近期进一步发展出一个随机散射相似性参数(参 见参考文南犬 4 : "D . Li and Υ . Zhan 邑，"Random similarity between two mixed scatterers, "IEEE Geosci .Remote Sens 丄ett. , vol. 12,no. 12,pp. 1-5,Dec. 2015")，用从 描述任意两个散射体，特别是两个分布/混合散射体间的相似性。该参数的一个优势在于， 当待描述的两个散射体为同一散射体时，所得到的自随机散射相似性参数能直接刻画该散 射体的随机性，故可实现对目标相似性和随机性的直接描述。
[0004] 在现有技术中使用最广泛、最成功、且最认可的全极化合成孔径雷达图像分类法 为赌/alpha角分类法，但该方法存在错分现象，在准确性上还有提升空间。
【发明内容】
[0005] 本发明的目的在于克服已有的全极化合成孔径雷达图像分类方法存在错分现象 的缺陷，从而提供一种准确性更高的分类方法。
[0006] 为了实现上述目的，本发明提供了一种基于随机相似圆图的全极化合成孔径雷达 图像分类方法，包括：
[0007] 步骤1)、读入待分类图像的目标相干矩阵并进行去取向处理；
[0008] 步骤2)、由步骤1)所得到的结果分别求取目标的自随机相似参数rrrs，W及目标 对标准表面散射的相似性参数rrru、目标对二面散射的相似性参数rrrsd和目标对体散射 的相似性参数rrrcv;
[0009] 步骤3)、基于步骤2)所得到的自随机相似参数rrrs构建随机相似圆图，所述随机 相似圆图具有立层环状结构，从内到外分别代表高、中、低立种散射随机情形;其中，所述随 机相似圆图从外环到内环的划分方法及其物理意义如下：
[0010]
[0011]步骤4)、基于目标对标准表面散射的相似性参数rrru、目标对二面散射的相似性 参数rrrcd和目标对体散射的相似性参数rrrcv的排列组合，进一步将步骤3)所得到的随机 相似圆图划分为十块，分别表示十种不同的散射机制;其中，划分为十块后的随机相似圆图 表不为：
[001引其中，rrrcs > {rrrcd, rrrcv}表示;rrrcs大于rrrcd和rrrcv;随机相似圆图的外环被 划分为Ξ块，对应S、D、V^种散射机制，S表示目标散射"相似于表面散射"、D表示目标散射 "相似于二面散射"、V表示目标散射"相似于体散射"；随机相似圆图的中环被划分为六块， 对应50、5￥、05、0￥、￥5和￥0六种散射机制，50表示目标散射"相似于表面散射和二面散射"， SV表示目标散射"相似于表面散射和体散射"，DS表示目标散射"相似于二面散射和表面散 射"，DV表示目标散射"相似于二面散射和体散射"，VS表示目标散射"相似于体散射和表面 散射"，VD表示目标散射"相似于体散射和二面散射"；随机相似圆图的内环代表高随机性散 射R;
[0016] 步骤5)、用不同的标记将待分类图像根据之前所做的划分加 W标识，形成最终分 类图。
[0017] 上述技术方案中，所述步骤1)具体包括:对待分类图像中每一个像素位置的目标 相干矩阵做去取向操作;其中，
[0018] 若原始的目标相干矩阵τ为：
[0019]
[0020] 取向角9通过下式估计：
[0021]
[0022] 则去取向后的目标相干矩阵Τ'表示为：
[0023] 其中上标"Η"表示矩阵 , 共辆转置操作。
[0024] 上述技术方案中，在步骤2)中，目标对标准表面散射的相似性参数rrrcs、目标对标 准二面散射的相似性参数rrrcd、W及目标对标准体散射的相似性参数rrrcv的计算公式分 别为：
[0025]
[0026] 目标的自随机相似参数rr。的计算公式为：
[0027]
[00%]上述技术方案中，所述步骤5)进一步包括：
[0029] 步骤5-1)、对待分类图像中的某一像素，基于该像素位置的目标T矩阵计算相似性 参数口_。3、1'1'。(1、1'1'。巾^及自随机相似参数1·!·。；
[0030] 步骤5-2)、然后利用随机相似圆图的模型判断该像素位于随机相似圆图的哪一环 W及该环的哪一类；
[0031 ]步骤5-3)、用赋予该类别的区分标记标识该像素位置；
[0032] 步骤5-4)、对待分类图像中的所有像素均做步骤5-1)-步骤5-3)操作，得到最终分 类图。
[0033] 本发明的优点在于：
[0034] 本发明的相似圆图分类方法有效地利用随机散射相似性参数在相似性和随机性 刻画方面的双重优势实现对全极化合成孔径雷达图像的精细分类，该方法实现简单且易于 理解，与当前最流行的分类方法的对比实验表明，其具有优异的雷达目标区分性能。
【附图说明】
[0035] 图1是本发明的基于随机相似圆图的全极化合成孔径雷达图像分类方法的总体流 程图；
[0036] 图2是本发明的基于随机相似圆图的全极化合成孔径雷达图像分类方法的具体流 程图；
[0037] 图3是一个实施例中所采用的待分类全极化合成孔径雷达图像的示意图；
[0038] 图4(a)是本发明的方法所实现的随机相似圆图模型的示意图；
[0039] 图4(b)是现有技术中的赌/alpha角分类模型的示意图；
[0040] 图5是图3经本发明的方法做分类后的结果示意图；
[0041] 图6是图3采用现有技术中的赌/alpha角分类方法做分类后的结果示意图。
【具体实施方式】
[0042] 现结合附图对本发明作进一步的描述。
[0043] 参考图1和图2,本发明的基于随机相似圆图的全极化合成孔径雷达图像分类方法 包括W下步骤：
[0044] 步骤1)、读入待分类图像的目标相干矩阵并进行去取向处理；
[0045] 步骤2)、由步骤1)所得到的结果分别求取目标的自随机相似参数rrrs，W及目标 对标准表面散射、二面散射和体散射的相似性参数rrres、rrred和rrrcv;
[0046] 步骤3)、基于步骤2)所得到的rrrs构建随机相似圆图，其具有Ξ层环状结构，从内 到外分别代表高、中、低Ξ种散射随机情形；
[0047] 步骤4)、基于参数；TTTcsjrrcd和rrrcv的排列组合，进一步将步骤3)所得到的相似 圆图划分为十块，分别表示十种不同的散射机制；
[0048] 步骤5)、用不同的标记将待分类图像根据步骤4)所做的划分加 W标识，形成最终 分类图。
[0049] 下面对本发明方法中的步骤做进一步描述。
[0050] 在步骤1)中，读入待分类的全极化合成孔径雷达图像。在一个实施例中，所读入的 图像如图3所示，该图像由NASA/肝L研制的机载AIRSAR系统获取于美国旧金山地区，该地区 的地面验证信息易于获得，因此经常被用于各种分解和分类算法的有效性验证中。
[0051 ]在读入待分类的全极化合成孔径雷达图像后，对图像每一个像素位置的目标相干 矩阵(描述了对应像素的散射信息)进行去取向操作。若原始目标相干矩阵T为：
[0化2] U)
[0化3] 则取向角^^可通过下式估计：
[0055]去取向后的目标相干矩阵Τ'可表示为：
[0化4] α):
[0化6]
(3J
[0057] 上式中，上标"Η"表示矩阵共辆转置操作。目标若在垂直于雷达视线的平面内存在 非零倾角，将会使同极化散射能量分解至交叉极化上，引起交叉极化散射能量增加，最终可 导致建筑物被错识别为森林。经过本步骤中的上述去取向操作，目标物理取向产生的散射 贡献得W补偿，保证了后续分类结果不受影响。
[0058] 本发明的分类方法是基于随机散射相似性参数实现的，对于步骤1)所得到的去取 向后的分布目标相干矩阵Τ'，在步骤2)中，其与任意一个标准分布雷达目标相干矩阵Tc间 的随机散射相似性参数rrr定义为：
[0化9] (4)
[0060]其中，Tr( ·)表示矩阵的迹，即对矩阵对角线元素做求和操作。若T。退化为一个单 目标，那么Tc可表示为：
[006。
(5)
[0062] 其中，k。称之为单目标T。的化uli矢量。将式巧)带入式(4)有：
[0063] (6)
[0064] 其中，I I . I U表示二范数。常见的标准表面散射、标准二面散射和标准体散射皆 存在单目标散射形式，其化U1 i矢量kts、ktd、ktv分别为：
[00 化] (7)
[0066] 将式(7)带入式(5)，我们即可得到 分布目标Τ'与标准表面散射、二面散射和体散 射间的散射相似性参数rrrcs jrrcd和rrrcv:
[0067] (8)
[0068] 运Ξ个参数定量化描述目标Τ'与标准表面散射、二面散射和体散射间的散射相似 性，其在提出的分类方法中发挥着重要的作用。
[0069] 另外，在步骤2)中，我们还需计算目标的自随机相似参数rr。。对于式(4)所示的 随机相似性参数表达式，当目标τ '与目标τ。对应同一目标时，即
[0070] Tc = sT (9)
[0071] 其中，S为任意复常数。我们称此时的随机相似性为自随机相似性，联立式(4)和式 (9)，我们有：
[0072] (10)
[0073] 式中，下标"F"表示取Frobenius范数操作。前期实验表明，参数rrrs可用于刻画目 标Τ'的散射随机性（参见参考文献4: "D丄i and Y.Zhang, "Random similarity between two mixed scatterers,"IEEE Geosci. Remote Sens . Lett.,vol.12, no .12,pp.1-5, Dec.2015")〇
[0074] 在步骤3)中，实现相似圆图的构建。首先基于参数rrrs将圆图确定为具有Ξ层环 状的结构，每层环对应一种特定随机散射情形。从外环到内环的划分方法及其物理意义如 下：
[0075] (11)
[0076] 在步骤4)中，基于参数rrrcsjrrcd和rrrcv的排列组合，本步骤中进一步将步骤3) 所得到的具有=层环状结构的相似圆图自适应划分为十块：
[0080]其中，rrrcs〉{rrrcdirrrcv}表示rrrcs大于rrrcd和rrrcv;其余表达式类似。
[0081 ]十块区域分别对应十种目标散射情形。圆图外环被划分为Ξ块，其中S表示目标散 射"相似于表面散射"、D表示目标散射"相似于二面散射"、V表示目标散射"相似于体散射"； 圆图中环被划分为六块，分别用SD、SV、DS、DV、VS和VD表不，SD表不目标散射"相似于表面散 射和二面散射"，SV表示目标散射"相似于表面散射和体散射"，DS表示目标散射"相似于二 面散射和表面散射"，DV表示目标散射"相似于二面散射和体散射"，VS表示目标散射"相似 于体散射和表面散射"，VD表示目标散射"相似于体散射和二面散射"；圆图内环代表高随机 性散射，不再进行划分，直接用R表示。运十块区域代表了十种类别，最终得到的散射相似圆 图模型如图4(a)所示。
[0082] 在步骤5)中，将待分类图像按照步骤4)所得到的散射相似圆图模型做划分，图像 中属于不同类别的区域用不同的标记加 W表征(如用不同颜色表示待分类图像中属于不同 类别的区域），得到最终分类图。具体的说，对待分类图像中的某一像素基于该像素位置的T 矩阵计算参数rrrcs jrrcd和rrrcvW及自随机相似参数rrrs，然后利用式（11)判断其位于圆 图哪一环，再根据式（12)判断其属于该环的哪一类;最后用赋予该类别的区分标记标识该 像素位置。对待分类图像中的所有像素均做上述操作，即可得到最终分类图。
[0083] 图5为图3所示图像做分类后的分类结果，从图中可W看出，图中所示地区的一些 典型目标，例如海区、山区、市区、森林、海岛、林荫道、海滩、公园、马球场、高尔夫球场、金口 大桥等都在分类图中得到了很好地区分，运说明了本发明的分类方法的有效性。
[0084] 为了进一步验证本发明的分类方法的有效性，下面将本发明的随机相似圆图分类 法与现有技术中流行的赌/alpha角分类法进行比较。图4(b)所示为赌/alpha角分类方案， 其中赌参数可有效描述目标的散射随机程度，alpha角可在平均意义上刻画目标的散射机 审IJ。该分类利用赌参数将目标分为低随机性、中随机性和高随机性Ξ种情形，运与散射相似 圆图中每层的作用相一致。Ξ种散射情形进一步被al地a角划分为八个区域，分别用Z1到Z8 表示。其中，高随机性散射被分为Z1和Z2两部分，分别表征高赌二面散射和高赌体散射；中 随机性散射被分为Z3、Z4和巧Ξ部分，分别对应于中赌二面散射、中赌体散射和中赌表面散 射;Z6、Z7和Z8处于低随机性散射区，分别表示低赌二面散射、低赌体散射和低赌表面散射。
[0085] 赌/alpha角方法对旧金山地区的分类结果如图6所示，直观上看，其与图5所示的 分类结果具有很好的一致性，运是因为两种方法都利用随机性首先将目标散射粗分为=种 情形，且都将低随机性散射情形进一步划分为表面散射、二面散射和体散射。尽管如此，两 种分类结果之间的差异也非常明显，至少可观测到两个主要差异。其一，图5中的森林区域 较图6更清楚，特别在林荫道（图中用楠圆1和2标识出）和公园区域（用圆形3标识出），运种 差异格外明显，运是因为两种方法对高随机性散射有着不同的处置方法。本发明的相似圆 图方案不对高随机性散射做进一步划分，而将其整体视为一类(R)，因为此时目标散射相似 性已接近各向同性;而赌/alpha角方案将高随机性散射分裂为Z1和Z2两部分。图5的优异表 现说明，无很大必要对高随机散射目标作进一步区分。其二，矩形4所示的海滩区域在图6中 被识别成体散射，而在图5中为SD，即相似于表面散射和二面散射。本申请人认为图5的结果 更合理，因为海滩一般由沙粒组成，不可能像拥挤的建筑物和森林区域那样出现体散射。同 样的情形也出现在楠圆5和6所示的马球场和高尔夫球场。进一步，公园和楠圆7所示的金口 大桥在图6中也被判别为体散射，而在图5中为DS，即相似于二面散射和表面散射。通过将两 种分类结果与该区域的光学图像和非监督Wishart极化分类图像相比较，可发现，图5的结 果更具可信性。本申请人分析认为，赌/alpha角分类在运些区域表现差的根源在于其对混 合目标的统计平均建模。平均散射尽管可在整体意义上很好表征混合目标散射信息，但也 导致了一定程度的模糊。本申请人WSD和DS为例来说明：本领域技术人员都知道，表面散射 的曰1地a角小于45°，二面散射的al地a角大于45°，在SD和DS两种类别下，目标对表面散射和 二面散射的相似程度不相上下，运导致平均alpha角接近于45°，运在赌/alpha角分类中表 征体散射，从而导致该方法将SD和DS都归类为体散射。而SD和DS实际上表征目标对表面散 射和二面散射的相似性要远高于体散射，将它们识别为体散射显然不合理，因此提出的随 机相似圆图方案可提供更多散射信息。
[0086] 相似圆图方案较于赌/alpha角分类方案的另一个优势是其较少的计算量。该分类 只依赖于参数rrrcs jrrcd和rrrcvW及rrrs，而运些参数只与目标相干矩阵T '的对角元素和 Frobenius范数有关系，因此可直接快速获得。而赌/alpha角分类基于Cloude分解，需先对 相干矩阵进行特征矢量分解W获得赌参数和al地a角，其引入的计算量可W想象。
[0087] 最后所应说明的是，W上实施例仅用W说明本发明的技术方案而非限制。尽管参 照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方 案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明 的权利要求范围当中。
【主权项】
1. 一种基于随机相似圆图的全极化合成孔径雷达图像分类方法，包括： 步骤1)、读入待分类图像的目标相干矩阵并进行去取向处理； 步骤2)、由步骤1)所得到的结果分别求取目标的自随机相似参数rrrs，以及目标对标准 表面散射的相似性参数、目标对二面散射的相似性参数和目标对体散射的相似 性参数rrrCT; 步骤3)、基于步骤2)所得到的自随机相似参数rrrs构建随机相似圆图，所述随机相似圆 图具有三层环状结构，从内到外分别代表高、中、低三种散射随机情形； 其中，所述随机相似圆图从外环到内环的划分方法及其物理意义如下：步骤4)、基于目标对标准表面散射的相似性参数rrrc；s、目标对二面散射的相似性参数 rmd和目标对体散射的相似性参数的排列组合，进一步将步骤3)所得到的随机相似 圆图划分为十块，分别表示十种不同的散射机制;其中，划分为十块后的随机相似圆图表示 为：其中，rrrcs > {rrrcd，rrrc；v}表示rrrcs大于rrrcd和rrrc；v;随机相似圆图的外环被划分为 三块，对应S、D、V三种散射机制，S表示目标散射"相似于表面散射"、D表示目标散射"相似于 二面散射"、V表示目标散射"相似于体散射"；随机相似圆图的中环被划分为六块，对应SD、 3￥、05、0￥、￥5和￥0六种散射机制，50表示目标散射"相似于表面散射和二面散射"，5￥表示目 标散射"相似于表面散射和体散射"，DS表示目标散射"相似于二面散射和表面散射"，DV表 示目标散射"相似于二面散射和体散射"，VS表示目标散射"相似于体散射和表面散射"，VD 表示目标散射"相似于体散射和二面散射"；随机相似圆图的内环代表高随机性散射R; 步骤5)、用不同的标记将待分类图像根据之前所做的划分加以标识，形成最终分类图。2. 根据权利要求1所述的基于随机相似圆图的全极化合成孔径雷达图像分类方法，其 特征在于，所述步骤1)具体包括:对待分类图像中每一个像素位置的目标相干矩阵做去取 向操作;其中， 若原始的目标相干矩阵T为：取向角P通过下式估计：则去取向后的目标相干矩阵T '表示为：其中上标"H"表示矩阵共辄转 置操作。3. 根据权利要求2所述的基于随机相似圆图的全极化合成孔径雷达图像分类方法，其 特征在于，在步骤2)中，目标对标准表面散射的相似性参数 rrrc；s、目标对标准二面散射的相 似性参数r^d、以及目标对标准体散射的相似性参数的计算公式分别为：目标的自随机相似参数rrrs的计算公式为：4. 根据权利要求1所述的基于随机相似圆图的全极化合成孔径雷达图像分类方法，其 特征在于，所述步骤5)进一步包括： 步骤5-1 )、对待分类图像中的某一像素，基于该像素位置的目标T矩阵计算相似性参数 rrrcs、rrrcd、rrrcv以及自随机相似参数rrrs; 步骤5-2)、然后利用随机相似圆图的模型判断该像素位于随机相似圆图的哪一环以及 该环的哪一类； 步骤5-3 )、用赋予该类别的区分标记标识该像素位置； 步骤5-4)、对待分类图像中的所有像素均做步骤5-1)-步骤5-3)操作，得到最终分类 图。
【专利摘要】本发明涉及一种基于随机相似圆图的全极化合成孔径雷达图像分类方法，包括：读入待分类图像的相干矩阵并进行去取向处理；求取目标的自随机相似参数rrrs，以及目标对标准表面散射、二面散射和体散射的相似性参数rrrcs、rrrcd和rrrcv；基于rrrs构建随机相似圆图，其具有三层环状结构，从内到外分别代表高、中、低三种散射随机情形；基于参数rrrcs、rrrcd和rrrcv的排列组合进一步将圆图划分为十块，分别表示十种不同的散射机制；用不同的标记将待分类图像加以标识，形成最终分类图。
【IPC分类】G06K9/62
【公开号】CN105488533
【申请号】CN201510882804
【发明人】李 东, 张云华
【申请人】中国科学院国家空间科学中心
【公开日】2016年4月13日
【申请日】2015年12月3日
【技术领域】
[0001] 本发明设及图像分类领域，特别设及一种基于随机相似圆图的全极化合成孔径雷 达图像分类方法。
【背景技术】
[0002] 传统单极化雷达测量无法全面获取目标散射信息，因此基于单极化测量无法实现 对复杂分布雷达目标的精细理解。全极化散射测量的提出旨在通过在一组正交极化基下交 替发射同时接收的方式获取更多的目标散射信息，但也进一步增加了信号处理难度，因为 此时获得的目标散射不再为一个带幅度和相位的复数（即后向散射系数），而是由六个复数 和Ξ个实数组成的抽象的3 X 3目标相干矩阵。全极化雷达信号处理的核屯、就是要设计算法 从该矩阵中提取有用的、可W理解的目标几何物理信息，实现对目标的有效识别和分类。
[0003] 一个常用的方法就是将目标相干矩阵进行极化分解，运一概念由化ynen于1970年 首次提出（参见参考文献 l:''J.R.Huynen,"Phenomenological Theory of Radar 了日巧613,"陆.0.013361'1日1：；[0]1,了6油.1]]1；[￥.061的，061的，化0化1：1161'1日]1(1,1970")，引领了 该领域40多年的蓬勃发展。此外，基于散射相似性的目标识别和分类方法近期也受到了广 泛应用和关注，我国科学家在此做了重要贡献。清华大学杨健等首先定义了两个单目标散 射矩阵间的相似性（参见参考文献2: "J. Yang, Y.N. Peng, and S. Μ丄in/Similarity between two scattering matrices ,"Electron . Lett.,vol.37,no .3,pp.193-194, Feb. 200Γ );国防科大陈强等将该参数进行拓展，W描述分布目标与标准单目标散射体间 的相似性（参见参考文献3: "Q. Chen, Y.Μ. Jiang,L. J. Zhao,and G. Y.Kuang,"化larimel：!·iC scattering similarity between a random scatterer and a canonical scatterer," IE邸 Geosci .Remote Sens丄ett. ,vol .7,no.4,pp.866-869,Oct.2010");在杨和陈工作的 基础上，中科院空间中屯、李东和张云华等近期进一步发展出一个随机散射相似性参数(参 见参考文南犬 4 : "D . Li and Υ . Zhan 邑，"Random similarity between two mixed scatterers, "IEEE Geosci .Remote Sens 丄ett. , vol. 12,no. 12,pp. 1-5,Dec. 2015")，用从 描述任意两个散射体，特别是两个分布/混合散射体间的相似性。该参数的一个优势在于， 当待描述的两个散射体为同一散射体时，所得到的自随机散射相似性参数能直接刻画该散 射体的随机性，故可实现对目标相似性和随机性的直接描述。
[0004] 在现有技术中使用最广泛、最成功、且最认可的全极化合成孔径雷达图像分类法 为赌/alpha角分类法，但该方法存在错分现象，在准确性上还有提升空间。
【发明内容】
[0005] 本发明的目的在于克服已有的全极化合成孔径雷达图像分类方法存在错分现象 的缺陷，从而提供一种准确性更高的分类方法。
[0006] 为了实现上述目的，本发明提供了一种基于随机相似圆图的全极化合成孔径雷达 图像分类方法，包括：
[0007] 步骤1)、读入待分类图像的目标相干矩阵并进行去取向处理；
[0008] 步骤2)、由步骤1)所得到的结果分别求取目标的自随机相似参数rrrs，W及目标 对标准表面散射的相似性参数rrru、目标对二面散射的相似性参数rrrsd和目标对体散射 的相似性参数rrrcv;
[0009] 步骤3)、基于步骤2)所得到的自随机相似参数rrrs构建随机相似圆图，所述随机 相似圆图具有立层环状结构，从内到外分别代表高、中、低立种散射随机情形;其中，所述随 机相似圆图从外环到内环的划分方法及其物理意义如下：
[0010]
[0011]步骤4)、基于目标对标准表面散射的相似性参数rrru、目标对二面散射的相似性 参数rrrcd和目标对体散射的相似性参数rrrcv的排列组合，进一步将步骤3)所得到的随机 相似圆图划分为十块，分别表示十种不同的散射机制;其中，划分为十块后的随机相似圆图 表不为：
[001引其中，rrrcs > {rrrcd, rrrcv}表示;rrrcs大于rrrcd和rrrcv;随机相似圆图的外环被 划分为Ξ块，对应S、D、V^种散射机制，S表示目标散射"相似于表面散射"、D表示目标散射 "相似于二面散射"、V表示目标散射"相似于体散射"；随机相似圆图的中环被划分为六块， 对应50、5￥、05、0￥、￥5和￥0六种散射机制，50表示目标散射"相似于表面散射和二面散射"， SV表示目标散射"相似于表面散射和体散射"，DS表示目标散射"相似于二面散射和表面散 射"，DV表示目标散射"相似于二面散射和体散射"，VS表示目标散射"相似于体散射和表面 散射"，VD表示目标散射"相似于体散射和二面散射"；随机相似圆图的内环代表高随机性散 射R;
[0016] 步骤5)、用不同的标记将待分类图像根据之前所做的划分加 W标识，形成最终分 类图。
[0017] 上述技术方案中，所述步骤1)具体包括:对待分类图像中每一个像素位置的目标 相干矩阵做去取向操作;其中，
[0018] 若原始的目标相干矩阵τ为：
[0019]
[0020] 取向角9通过下式估计：
[0021]
[0022] 则去取向后的目标相干矩阵Τ'表示为：
[0023] 其中上标"Η"表示矩阵 , 共辆转置操作。
[0024] 上述技术方案中，在步骤2)中，目标对标准表面散射的相似性参数rrrcs、目标对标 准二面散射的相似性参数rrrcd、W及目标对标准体散射的相似性参数rrrcv的计算公式分 别为：
[0025]
[0026] 目标的自随机相似参数rr。的计算公式为：
[0027]
[00%]上述技术方案中，所述步骤5)进一步包括：
[0029] 步骤5-1)、对待分类图像中的某一像素，基于该像素位置的目标T矩阵计算相似性 参数口_。3、1'1'。(1、1'1'。巾^及自随机相似参数1·!·。；
[0030] 步骤5-2)、然后利用随机相似圆图的模型判断该像素位于随机相似圆图的哪一环 W及该环的哪一类；
[0031 ]步骤5-3)、用赋予该类别的区分标记标识该像素位置；
[0032] 步骤5-4)、对待分类图像中的所有像素均做步骤5-1)-步骤5-3)操作，得到最终分 类图。
[0033] 本发明的优点在于：
[0034] 本发明的相似圆图分类方法有效地利用随机散射相似性参数在相似性和随机性 刻画方面的双重优势实现对全极化合成孔径雷达图像的精细分类，该方法实现简单且易于 理解，与当前最流行的分类方法的对比实验表明，其具有优异的雷达目标区分性能。
【附图说明】
[0035] 图1是本发明的基于随机相似圆图的全极化合成孔径雷达图像分类方法的总体流 程图；
[0036] 图2是本发明的基于随机相似圆图的全极化合成孔径雷达图像分类方法的具体流 程图；
[0037] 图3是一个实施例中所采用的待分类全极化合成孔径雷达图像的示意图；
[0038] 图4(a)是本发明的方法所实现的随机相似圆图模型的示意图；
[0039] 图4(b)是现有技术中的赌/alpha角分类模型的示意图；
[0040] 图5是图3经本发明的方法做分类后的结果示意图；
[0041] 图6是图3采用现有技术中的赌/alpha角分类方法做分类后的结果示意图。
【具体实施方式】
[0042] 现结合附图对本发明作进一步的描述。
[0043] 参考图1和图2,本发明的基于随机相似圆图的全极化合成孔径雷达图像分类方法 包括W下步骤：
[0044] 步骤1)、读入待分类图像的目标相干矩阵并进行去取向处理；
[0045] 步骤2)、由步骤1)所得到的结果分别求取目标的自随机相似参数rrrs，W及目标 对标准表面散射、二面散射和体散射的相似性参数rrres、rrred和rrrcv;
[0046] 步骤3)、基于步骤2)所得到的rrrs构建随机相似圆图，其具有Ξ层环状结构，从内 到外分别代表高、中、低Ξ种散射随机情形；
[0047] 步骤4)、基于参数；TTTcsjrrcd和rrrcv的排列组合，进一步将步骤3)所得到的相似 圆图划分为十块，分别表示十种不同的散射机制；
[0048] 步骤5)、用不同的标记将待分类图像根据步骤4)所做的划分加 W标识，形成最终 分类图。
[0049] 下面对本发明方法中的步骤做进一步描述。
[0050] 在步骤1)中，读入待分类的全极化合成孔径雷达图像。在一个实施例中，所读入的 图像如图3所示，该图像由NASA/肝L研制的机载AIRSAR系统获取于美国旧金山地区，该地区 的地面验证信息易于获得，因此经常被用于各种分解和分类算法的有效性验证中。
[0051 ]在读入待分类的全极化合成孔径雷达图像后，对图像每一个像素位置的目标相干 矩阵(描述了对应像素的散射信息)进行去取向操作。若原始目标相干矩阵T为：
[0化2] U)
[0化3] 则取向角^^可通过下式估计：
[0055]去取向后的目标相干矩阵Τ'可表示为：
[0化4] α):
[0化6]
(3J
[0057] 上式中，上标"Η"表示矩阵共辆转置操作。目标若在垂直于雷达视线的平面内存在 非零倾角，将会使同极化散射能量分解至交叉极化上，引起交叉极化散射能量增加，最终可 导致建筑物被错识别为森林。经过本步骤中的上述去取向操作，目标物理取向产生的散射 贡献得W补偿，保证了后续分类结果不受影响。
[0058] 本发明的分类方法是基于随机散射相似性参数实现的，对于步骤1)所得到的去取 向后的分布目标相干矩阵Τ'，在步骤2)中，其与任意一个标准分布雷达目标相干矩阵Tc间 的随机散射相似性参数rrr定义为：
[0化9] (4)
[0060]其中，Tr( ·)表示矩阵的迹，即对矩阵对角线元素做求和操作。若T。退化为一个单 目标，那么Tc可表示为：
[006。
(5)
[0062] 其中，k。称之为单目标T。的化uli矢量。将式巧)带入式(4)有：
[0063] (6)
[0064] 其中，I I . I U表示二范数。常见的标准表面散射、标准二面散射和标准体散射皆 存在单目标散射形式，其化U1 i矢量kts、ktd、ktv分别为：
[00 化] (7)
[0066] 将式(7)带入式(5)，我们即可得到 分布目标Τ'与标准表面散射、二面散射和体散 射间的散射相似性参数rrrcs jrrcd和rrrcv:
[0067] (8)
[0068] 运Ξ个参数定量化描述目标Τ'与标准表面散射、二面散射和体散射间的散射相似 性，其在提出的分类方法中发挥着重要的作用。
[0069] 另外，在步骤2)中，我们还需计算目标的自随机相似参数rr。。对于式(4)所示的 随机相似性参数表达式，当目标τ '与目标τ。对应同一目标时，即
[0070] Tc = sT (9)
[0071] 其中，S为任意复常数。我们称此时的随机相似性为自随机相似性，联立式(4)和式 (9)，我们有：
[0072] (10)
[0073] 式中，下标"F"表示取Frobenius范数操作。前期实验表明，参数rrrs可用于刻画目 标Τ'的散射随机性（参见参考文献4: "D丄i and Y.Zhang, "Random similarity between two mixed scatterers,"IEEE Geosci. Remote Sens . Lett.,vol.12, no .12,pp.1-5, Dec.2015")〇
[0074] 在步骤3)中，实现相似圆图的构建。首先基于参数rrrs将圆图确定为具有Ξ层环 状的结构，每层环对应一种特定随机散射情形。从外环到内环的划分方法及其物理意义如 下：
[0075] (11)
[0076] 在步骤4)中，基于参数rrrcsjrrcd和rrrcv的排列组合，本步骤中进一步将步骤3) 所得到的具有=层环状结构的相似圆图自适应划分为十块：
[0080]其中，rrrcs〉{rrrcdirrrcv}表示rrrcs大于rrrcd和rrrcv;其余表达式类似。
[0081 ]十块区域分别对应十种目标散射情形。圆图外环被划分为Ξ块，其中S表示目标散 射"相似于表面散射"、D表示目标散射"相似于二面散射"、V表示目标散射"相似于体散射"； 圆图中环被划分为六块，分别用SD、SV、DS、DV、VS和VD表不，SD表不目标散射"相似于表面散 射和二面散射"，SV表示目标散射"相似于表面散射和体散射"，DS表示目标散射"相似于二 面散射和表面散射"，DV表示目标散射"相似于二面散射和体散射"，VS表示目标散射"相似 于体散射和表面散射"，VD表示目标散射"相似于体散射和二面散射"；圆图内环代表高随机 性散射，不再进行划分，直接用R表示。运十块区域代表了十种类别，最终得到的散射相似圆 图模型如图4(a)所示。
[0082] 在步骤5)中，将待分类图像按照步骤4)所得到的散射相似圆图模型做划分，图像 中属于不同类别的区域用不同的标记加 W表征(如用不同颜色表示待分类图像中属于不同 类别的区域），得到最终分类图。具体的说，对待分类图像中的某一像素基于该像素位置的T 矩阵计算参数rrrcs jrrcd和rrrcvW及自随机相似参数rrrs，然后利用式（11)判断其位于圆 图哪一环，再根据式（12)判断其属于该环的哪一类;最后用赋予该类别的区分标记标识该 像素位置。对待分类图像中的所有像素均做上述操作，即可得到最终分类图。
[0083] 图5为图3所示图像做分类后的分类结果，从图中可W看出，图中所示地区的一些 典型目标，例如海区、山区、市区、森林、海岛、林荫道、海滩、公园、马球场、高尔夫球场、金口 大桥等都在分类图中得到了很好地区分，运说明了本发明的分类方法的有效性。
[0084] 为了进一步验证本发明的分类方法的有效性，下面将本发明的随机相似圆图分类 法与现有技术中流行的赌/alpha角分类法进行比较。图4(b)所示为赌/alpha角分类方案， 其中赌参数可有效描述目标的散射随机程度，alpha角可在平均意义上刻画目标的散射机 审IJ。该分类利用赌参数将目标分为低随机性、中随机性和高随机性Ξ种情形，运与散射相似 圆图中每层的作用相一致。Ξ种散射情形进一步被al地a角划分为八个区域，分别用Z1到Z8 表示。其中，高随机性散射被分为Z1和Z2两部分，分别表征高赌二面散射和高赌体散射；中 随机性散射被分为Z3、Z4和巧Ξ部分，分别对应于中赌二面散射、中赌体散射和中赌表面散 射;Z6、Z7和Z8处于低随机性散射区，分别表示低赌二面散射、低赌体散射和低赌表面散射。
[0085] 赌/alpha角方法对旧金山地区的分类结果如图6所示，直观上看，其与图5所示的 分类结果具有很好的一致性，运是因为两种方法都利用随机性首先将目标散射粗分为=种 情形，且都将低随机性散射情形进一步划分为表面散射、二面散射和体散射。尽管如此，两 种分类结果之间的差异也非常明显，至少可观测到两个主要差异。其一，图5中的森林区域 较图6更清楚，特别在林荫道（图中用楠圆1和2标识出）和公园区域（用圆形3标识出），运种 差异格外明显，运是因为两种方法对高随机性散射有着不同的处置方法。本发明的相似圆 图方案不对高随机性散射做进一步划分，而将其整体视为一类(R)，因为此时目标散射相似 性已接近各向同性;而赌/alpha角方案将高随机性散射分裂为Z1和Z2两部分。图5的优异表 现说明，无很大必要对高随机散射目标作进一步区分。其二，矩形4所示的海滩区域在图6中 被识别成体散射，而在图5中为SD，即相似于表面散射和二面散射。本申请人认为图5的结果 更合理，因为海滩一般由沙粒组成，不可能像拥挤的建筑物和森林区域那样出现体散射。同 样的情形也出现在楠圆5和6所示的马球场和高尔夫球场。进一步，公园和楠圆7所示的金口 大桥在图6中也被判别为体散射，而在图5中为DS，即相似于二面散射和表面散射。通过将两 种分类结果与该区域的光学图像和非监督Wishart极化分类图像相比较，可发现，图5的结 果更具可信性。本申请人分析认为，赌/alpha角分类在运些区域表现差的根源在于其对混 合目标的统计平均建模。平均散射尽管可在整体意义上很好表征混合目标散射信息，但也 导致了一定程度的模糊。本申请人WSD和DS为例来说明：本领域技术人员都知道，表面散射 的曰1地a角小于45°，二面散射的al地a角大于45°，在SD和DS两种类别下，目标对表面散射和 二面散射的相似程度不相上下，运导致平均alpha角接近于45°，运在赌/alpha角分类中表 征体散射，从而导致该方法将SD和DS都归类为体散射。而SD和DS实际上表征目标对表面散 射和二面散射的相似性要远高于体散射，将它们识别为体散射显然不合理，因此提出的随 机相似圆图方案可提供更多散射信息。
[0086] 相似圆图方案较于赌/alpha角分类方案的另一个优势是其较少的计算量。该分类 只依赖于参数rrrcs jrrcd和rrrcvW及rrrs，而运些参数只与目标相干矩阵T '的对角元素和 Frobenius范数有关系，因此可直接快速获得。而赌/alpha角分类基于Cloude分解，需先对 相干矩阵进行特征矢量分解W获得赌参数和al地a角，其引入的计算量可W想象。
[0087] 最后所应说明的是，W上实施例仅用W说明本发明的技术方案而非限制。尽管参 照实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，对本发明的技术方 案进行修改或者等同替换，都不脱离本发明技术方案的精神和范围，其均应涵盖在本发明 的权利要求范围当中。
【主权项】
1. 一种基于随机相似圆图的全极化合成孔径雷达图像分类方法，包括： 步骤1)、读入待分类图像的目标相干矩阵并进行去取向处理； 步骤2)、由步骤1)所得到的结果分别求取目标的自随机相似参数rrrs，以及目标对标准 表面散射的相似性参数、目标对二面散射的相似性参数和目标对体散射的相似 性参数rrrCT; 步骤3)、基于步骤2)所得到的自随机相似参数rrrs构建随机相似圆图，所述随机相似圆 图具有三层环状结构，从内到外分别代表高、中、低三种散射随机情形； 其中，所述随机相似圆图从外环到内环的划分方法及其物理意义如下：步骤4)、基于目标对标准表面散射的相似性参数rrrc；s、目标对二面散射的相似性参数 rmd和目标对体散射的相似性参数的排列组合，进一步将步骤3)所得到的随机相似 圆图划分为十块，分别表示十种不同的散射机制;其中，划分为十块后的随机相似圆图表示 为：其中，rrrcs > {rrrcd，rrrc；v}表示rrrcs大于rrrcd和rrrc；v;随机相似圆图的外环被划分为 三块，对应S、D、V三种散射机制，S表示目标散射"相似于表面散射"、D表示目标散射"相似于 二面散射"、V表示目标散射"相似于体散射"；随机相似圆图的中环被划分为六块，对应SD、 3￥、05、0￥、￥5和￥0六种散射机制，50表示目标散射"相似于表面散射和二面散射"，5￥表示目 标散射"相似于表面散射和体散射"，DS表示目标散射"相似于二面散射和表面散射"，DV表 示目标散射"相似于二面散射和体散射"，VS表示目标散射"相似于体散射和表面散射"，VD 表示目标散射"相似于体散射和二面散射"；随机相似圆图的内环代表高随机性散射R; 步骤5)、用不同的标记将待分类图像根据之前所做的划分加以标识，形成最终分类图。2. 根据权利要求1所述的基于随机相似圆图的全极化合成孔径雷达图像分类方法，其 特征在于，所述步骤1)具体包括:对待分类图像中每一个像素位置的目标相干矩阵做去取 向操作;其中， 若原始的目标相干矩阵T为：取向角P通过下式估计：则去取向后的目标相干矩阵T '表示为：其中上标"H"表示矩阵共辄转 置操作。3. 根据权利要求2所述的基于随机相似圆图的全极化合成孔径雷达图像分类方法，其 特征在于，在步骤2)中，目标对标准表面散射的相似性参数 rrrc；s、目标对标准二面散射的相 似性参数r^d、以及目标对标准体散射的相似性参数的计算公式分别为：目标的自随机相似参数rrrs的计算公式为：4. 根据权利要求1所述的基于随机相似圆图的全极化合成孔径雷达图像分类方法，其 特征在于，所述步骤5)进一步包括： 步骤5-1 )、对待分类图像中的某一像素，基于该像素位置的目标T矩阵计算相似性参数 rrrcs、rrrcd、rrrcv以及自随机相似参数rrrs; 步骤5-2)、然后利用随机相似圆图的模型判断该像素位于随机相似圆图的哪一环以及 该环的哪一类； 步骤5-3 )、用赋予该类别的区分标记标识该像素位置； 步骤5-4)、对待分类图像中的所有像素均做步骤5-1)-步骤5-3)操作，得到最终分类 图。
【专利摘要】本发明涉及一种基于随机相似圆图的全极化合成孔径雷达图像分类方法，包括：读入待分类图像的相干矩阵并进行去取向处理；求取目标的自随机相似参数rrrs，以及目标对标准表面散射、二面散射和体散射的相似性参数rrrcs、rrrcd和rrrcv；基于rrrs构建随机相似圆图，其具有三层环状结构，从内到外分别代表高、中、低三种散射随机情形；基于参数rrrcs、rrrcd和rrrcv的排列组合进一步将圆图划分为十块，分别表示十种不同的散射机制；用不同的标记将待分类图像加以标识，形成最终分类图。
【IPC分类】G06K9/62
【公开号】CN105488533
【申请号】CN201510882804
【发明人】李 东, 张云华
【申请人】中国科学院国家空间科学中心
【公开日】2016年4月13日
【申请日】2015年12月3日
最新回复(0)