资源描述：
《基于商空间粒度合成的SAR图像分类.docx》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、基于商空间粒度和承担饿SAR图像分类对于SAR图像的分类通常包含两部分内容。首先，对SAR图像从不同的粒度进行描述，即首先进行特征提取，并根据所得到的不同的特征属性将每个像素赋予相应的类属信息，得到图像的有监督分类，从而构成不同的商空间。其次，根据粒度合成理论将所得到的商空间组织起来正是基于这样一种思想，假设已经得到了分别对应于不同纹理特征的SAR图像分类，这些分类实际上对应着从不同角度对SAR图像的观察，将这些不同的观察对应到不同的粒度空间，由于是，合并不同纹理分类结果的问题就可以归结为对不同粒度空间的合成问题。1.粒度合成假设(X1,f1,[
2、T1])和(X2,f2,[T2])是(X,f,T)的商空间，(X3,f3,[T3])是(X1,f1,[T1])和(X2,f2,[T2])的合成空间，若用划分来表示合成，即设划分X1={ai}，划分X2={bj}，则X1与X2的合成X3可表示为X3={ai∩bj
3、ai∈X1,bj∈X2}并且属性f3是满足如下条件的解：1）pif3=fi(i=1,2)，其中pi:X3→Xi(i=1,2)，是投影。2）设D(f,f1,f2)是某一给定的最优判别准则，则有Df3,f1,f2=minfDf,f1,f2或Df3,f1,f2=maxfDf,f1,f2式中，mi
4、n或max是对一切满足条件（1）的上X3的属性函数取得。当f1,f2，有误差时，用下式代替，即Df3=minfDf=minf[d1p1f-f12+d2p2f-f22]式中，di(∙,∙)是Yi上的距离函数，Yi是Xi上一切属性函数的全体；min是对X3上一切属性函数取得。若式的解不唯一，则可以再引入适当的最优准则函数。这个最优准和函数一般不是从(X1,f1,[T1])和(X2,f2,[T2])提供的信息中得来的，而是从其他一些附加条件中得来的，即从实际问题的其他要求中提取来的。在SAR图像的分类中要结合实际问题进行最优准则函数的设计与选择。2.同
5、层次不同粒度的求解SAR图像中有利于分类的纹理信息可以通过多种方法来刻画，基于灰度共生矩阵的方法被大量的实验证明是提取SAR图像纹理信息的有效反复噶，而基于多通道或多分辨率的方法得到了应用领域的普遍关注，并在SAR图像分类中得到了广泛应用。这里采用灰度共生矩阵的为你特征和多通道Gabor滤波的纹理特征作为描述SAR图像的特征向量。SVM借助核映射实现了非线性分裂，对于小样本学习，具有好的泛化性能，因此，在有效的特征提取基础上里利用SVM进行SAR图像的分类，获取不同粒度空间的图像粗分类，为粒度合成提供依据。1）基于灰度共生矩阵的纹理特征共生矩阵用
6、两个位置的像素的联合概率密度来定义，它不仅反映灰度的分布特性，也反映具有同样灰度的像素之间的位置分布特性，是有关图像灰度变换的二阶统计特征。一幅图像的灰度共生矩阵能反映出图像灰度关于方向、相邻间隔、变换幅度的综合信息，它是分析图像的局部模式和它们排列规则的基础。在纹理特征的提取中，首先把图像量化wei16ge灰度级，并构造灰度共生矩阵。在此基础上，提取如下14维统计特征：角二阶矩、对比度、相关性、方差、逆微分矩、和均值、和方差、和熵、熵、微分方差、微分熵、相关性的两个测度、最大相关系数，以这些统计量构成纹理特征向量。2）基于多通道Gabor滤波的
7、纹理特征在提取目标的局部空间和频率域信息方面具有良好的性能，有明显的方向选择和频率选择特性，其纹理模型能在空域和时域同时达到最优联合分辨率。这些特性也正式Gabor变换被广泛用于视觉信息理解的原因所在。二维Gabor变换滤波器函数定义如下：Gx,y=12παβexp{-π[x-x02α2+y-y02β2]}∙expj[ξ0x0+v0y0]式中，(x0,y0)表示二维空间接受域的中心点；(ξ0,v0)表示滤波器在频率域最有空间频率；α和β分别表示椭圆高斯函数沿方向上的标准偏差。将上式表示二维Gabor函数实部和虚部分开写，并为了简单起见，在不是一
8、般性的情况下，使用各向同性的Gabor滤波器，即令α=β=σ，得到如下数学表达式：hex,y,f,θ,σ=g(x,y,σ)∙cos[2πf(xcosθ+ysinθ)]hox,y,f,θ,σ=g(x,y,σ)∙sin[2πf(xcosθ+ysinθ)]式中，he和ho分别表示偶、奇Gabor滤波器，g(x,y,σ)是高斯函数：gx,y,σ=12πσ2exp(-x2+y22σ2)其中f，θ，σ和分别是Gabor滤波器中的3个重要参数：空间频率、相位以及空间常数。通常中心频率取为2的幂次方，选择中心频率为2,4,8,16,32.由于Gabor滤波
9、器在频域的共轭对称性，所以只需再0°~180°内选择方向参数即可，选择四个方向参数：。对于每个中心频率，实际上代表了水平、垂直、左右对角
