基于密度峰值搜索的全極化SAR圖像分類

何　偉, 邢孟道

(西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室, 陜西 西安 710071)

?

基于密度峰值搜索的全極化SAR圖像分類

何偉, 邢孟道

(西安電子科技大學(xué)雷達(dá)信號(hào)處理國(guó)家重點(diǎn)實(shí)驗(yàn)室, 陜西 西安 710071)

摘要：提出一種基于密度峰值搜索(find of density peaks,FDP)的全極化SAR圖像(polarimetric synthetic aperture radar,POLSAR)無(wú)監(jiān)督分類方法。由于在邊緣地帶以及奇異點(diǎn)的散射類型復(fù)雜,在無(wú)監(jiān)督分類過(guò)程中干擾巨大,本文通過(guò)構(gòu)建基于信息熵的顯著性圖來(lái)剔除這一類點(diǎn)的影響,并對(duì)剩余部分的參數(shù)進(jìn)行了加權(quán)處理。隨后在/A/SPAN空間基于FDP方法進(jìn)行無(wú)監(jiān)督分類。最后通過(guò)ESAR的數(shù)據(jù)進(jìn)行了實(shí)驗(yàn)驗(yàn)證,結(jié)果證明了方法的有效性。

關(guān)鍵詞：全極化合成孔徑雷達(dá); 無(wú)監(jiān)督分類; 顯著性圖; 密度峰值

0引言

1極化表示

(1)

式中,H表示轉(zhuǎn)置操作。

其對(duì)應(yīng)的協(xié)方差矩陣表達(dá)式為

(2)

式中,〈…〉表示為多視處理;*表示復(fù)共軛。

如果兩個(gè)密度函數(shù)分別是PT1(k)和PT2(k),則二者的信息熵距離[6-9]表達(dá)為

(3)

假設(shè)各通道極化信息服從復(fù)高斯分布,則

(4)

對(duì)相干矩陣作特征分解

(5)

式中，λ1≥λ2≥λ3。

歸一化后的特征值

具體的幾個(gè)參數(shù)定義如下:

熵值

(6)

Alpha角

(7)

各向異性度

(8)

強(qiáng)度

(9)

(10)

在局部區(qū)域內(nèi),信息熵是可以作為度量尺度精確衡量?jī)蓚€(gè)點(diǎn)的差異性的,因此本文選取信息熵來(lái)描述局部區(qū)域的兩個(gè)像素點(diǎn)極化的距離,用于構(gòu)造顯著性圖。但是從大的場(chǎng)景考慮,由地形變化等引起的極化方位角的變化,會(huì)干擾極化信息的表示,因此采用特征分解參數(shù)的對(duì)應(yīng)的歐式距離進(jìn)行度量全局像素的距離更為合適。

2顯著性區(qū)域提取

顯著性圖主要是描述人類視覺(jué)對(duì)一幅圖像中潛在目標(biāo)輪廓識(shí)別提取[10-11]。本文通過(guò)局部對(duì)比度,來(lái)提取POLSAR圖像的顯著區(qū)域。

在POLSAR圖像中,對(duì)局部區(qū)域內(nèi)的兩個(gè)點(diǎn)像素p1和像素p2,二者的極化距離為dB(Tp1,Tp2),則兩個(gè)像素點(diǎn)之間的差異距離被定義為

(11)

(12)

局部顯著性圖可以突出目標(biāo)輪廓以及對(duì)比強(qiáng)烈的奇異點(diǎn),同時(shí)也可以對(duì)局部區(qū)域的參數(shù)進(jìn)行加權(quán)調(diào)整。

3FDP分類

根據(jù)文獻(xiàn)[8],聚類的中心點(diǎn)密度一般比周?chē)c(diǎn)密度高,同時(shí)與比它密度高的點(diǎn)(也就是其他類)的距離相對(duì)很遠(yuǎn)。所以在聚類搜索時(shí),需要求解兩個(gè)參數(shù):密度ρ和到更高密度點(diǎn)的最小距離δ。點(diǎn)i的密度ρi表達(dá)為

(13)

(14)

也就是點(diǎn)i到比它局部密度高的點(diǎn)的最小距離。

則參數(shù)γ定義為

(15)

選取最大密度對(duì)應(yīng)的點(diǎn)以及γ值最大的M個(gè)點(diǎn)作為類的中心點(diǎn),剩余點(diǎn)將根據(jù)密度ρ的降序排列進(jìn)行類的分配,每個(gè)點(diǎn)都將分配給比它密度高而且距離最近的點(diǎn)所對(duì)應(yīng)的類。需要注意的是這里類的中心點(diǎn)定義與k-mean不同,這里的中心的就是該類密度最高的點(diǎn),而k-mean的中心點(diǎn)是對(duì)應(yīng)類的幾何中心點(diǎn)。同時(shí)與之前k-mean方法相比,FDP分類結(jié)果更加符合人眼結(jié)果,在自然圖像中,圖像中的邊緣線以及奇異點(diǎn)由于分布少,密度也就低,所以不需要特別處理,但是對(duì)于POLSAR圖像,由于相干斑的存在以及成像自身的特性,所以邊緣和奇異點(diǎn)數(shù)量特別多且散射分布廣泛,對(duì)整個(gè)分類結(jié)果影響巨大,因此使用前需要濾掉邊緣與奇異點(diǎn)。

本文主要思路就是針對(duì)POLSAR圖像采用FDP進(jìn)行分類,但是FDP分類是基于參數(shù)分布密度的,對(duì)相干斑以及特顯點(diǎn)過(guò)于敏感,所以需要進(jìn)行若干預(yù)處理消除影響。

首先對(duì)整幅圖像進(jìn)行滑窗預(yù)處理,步長(zhǎng)為4,選取17×17的局部區(qū)域進(jìn)行計(jì)算,最終只提取中間部分作為有效參數(shù),根據(jù)式(12)進(jìn)行計(jì)算局部顯著性圖,其中K=34。設(shè)定閾值ST=0.35,將大于閾值的部分直接看做一類,這一類主要是圖像邊緣信息和奇異點(diǎn)。然后,對(duì)于剩余部分,將根據(jù)顯著點(diǎn)系數(shù),加權(quán)處理。定義f=[H,α,A,SPAN]T,則加權(quán)預(yù)處理后的參數(shù)表示為

(16)

(17)

最后根據(jù)FDP方法,取值dt=0.06對(duì)圖像進(jìn)行分類。

5實(shí)驗(yàn)驗(yàn)證

圖1　極化偽彩及結(jié)果圖

圖2　分類結(jié)果在特征空間分布圖

6結(jié)論

針對(duì)POLSAR數(shù)據(jù),本文結(jié)合顯著性圖和FDP方法實(shí)現(xiàn)了無(wú)監(jiān)督分類。本文建立了基于極化信息熵的顯著性圖,然后根據(jù)顯著性圖將線目標(biāo)、邊緣地帶以及特顯點(diǎn)單獨(dú)提取出來(lái)作為一類,因?yàn)檫@一類相對(duì)而言散射不穩(wěn)定而且數(shù)量巨大,對(duì)基于特征數(shù)量統(tǒng)計(jì)的FDP方法影響較大,隨后利用顯著值對(duì)剩余部位進(jìn)行加權(quán)處理,進(jìn)一步增加區(qū)域間特征距離后,實(shí)現(xiàn)在特征空間的FDP方法,并取得了不錯(cuò)的效果。

參考文獻(xiàn)：

[1]CloudeSR,PottierE.AnentropybasedclassificationschemeforlandapplicationofpolarimerticSAR[J].IEEE Trans.on Geoscience and Remote Sensing, 1997, 35(1): 68-78.

[2]CaoF,HongW,WuYR,etal.AnunsupervisedsegmentationwithanadaptivenumberofclustersusingtheSPAN/H/α/AspaceandthecomplexWishartclusteringforfullypolarimetricSARdataanalysis[J].IEEE Trans.on Geoscience and Remote Sensing, 2007, 45 (11): 3454-3467.

[3]ZhangT,SunJT,YangRL.FuzzyclassificationofpolarimetricSARimages[J].Systems Engineering and Electronics,2011,33(5):1036-1039.(張濤,孫建濤,楊汝良.一種極化SAR圖像模糊分類方法[J].系統(tǒng)工程與電子技術(shù),2011,33(5):1036-1039.)

[4]LiuXG,ChenQ,ChenQH,etal.Integratedmulti-featuresegmentationmethodforhighresolutionpolarimetricSARimages[J].Systems Engineering and Electronics,2015,37(3):553-559.(劉修國(guó),陳奇,陳啟浩,等.綜合多特征的高分辨率極化SAR圖像分割[J].系統(tǒng)工程與電子技術(shù),2015,37(3):553-559.)

[5]LeeJS,PottierE. Polarimetric radar imaging from basics to applications[M].NewYork:CRCPress, 2009.

[6]TanLL,YangRL,ShangJ.UnsupervisedPolInSARimageclassificationwithShannonentropyparameters[J].Acta Electronica Sinica,2010,38(10):2264-2267.(談璐璐,楊汝涼,商建.利用Shannon熵參數(shù)的極化干涉SAR圖像非監(jiān)督分類[J].電子學(xué)報(bào),2010,38(10):2264-2267.)

[7]DabboorM,CollinsMJ,KarathanassiV,etal.AnunsupervisedclassificationapproachforpolarimetricSARdatabasedontheChernoffdistanceforcomplexWishartdistribution[J].IEEE Trans.on Geoscience and Remote Sensing,2013,51(7):4200-4213.

[8]RodriguezA,LaioA.Clusteringbyfastsearchandfindofdensitypeak[J].Science, 2014, 344 (6191) : 1492-1496.

[9]MorioJ,RefregierP,GoudailF,etal.AcharacterizationofShannonentropyandBhattacharyyameasureofcontrastinpolarimetricandinterferometricSARimage[J].Proceedings of the IEEE, 2009, 97 (6) : 1097-1108.

[10]GofermanS,Zelnik-ManorL,TalA.Context-awaresaliencydetection[C]∥Proc.of the IEEE Conference on Computer Vision and Pattern Recognition, 2010: 2376-2383.

[11]ChengMM.Saliencyandsimilaritydetectionforimagesceneanalysis[D].Beijing:TsingUniversity, 2012. (程明明. 圖像內(nèi)容的顯著性與相似性研究[D]. 北京: 清華大學(xué), 2012. )

何偉(1984-),男,博士研究生,主要研究方向?yàn)闃O化圖像處理。

E-mail:heweixd@163.com

邢孟道(1975-),男,教授,博士研究生導(dǎo)師,主要研究方向?yàn)槔走_(dá)成像技術(shù)、目標(biāo)識(shí)別檢測(cè)技術(shù)。

E-mail:xmd@xidian.edu.com

網(wǎng)絡(luò)優(yōu)先出版地址：http://www.cnki.net/kcms/detail/11.2422.TN.20150921.0853.002.html

Classification method for POLSAR images based on find of density peak

HE Wei, XING Meng-dao

(NationalLaboratoryofRadarSignalProcessing，XidianUniversity,Xi’an710071,China)

Abstract:An unsupervised classification method based on find of density peaks(FDP) is proposed for the polarimetric synthetic aperture radar (POLSAR) image. For the great impact of the boundary and strong points in the POLSAR image, the following density becomes unstable. The saliancy image which is based on the information entropy is proposed to remove these points before classification./A/SPAN space of the remaining pixels is weighted with the saliancy value. Then the unsupervised classification is achieved based on the FDP. In the experiment with the ESAR data, results validate the effectiveness of the new method.

Keywords:polarimetric synthetic aperture radar (POLSAR); unsupervised classification; saliancy image; density peak

作者簡(jiǎn)介：

中圖分類號(hào)：TN 957.52

文獻(xiàn)標(biāo)志碼：A

DOI:10.3969/j.issn.1001-506X.2016.01.10

基金項(xiàng)目：國(guó)家自然科學(xué)基金優(yōu)秀青年基金(61222108)資助課題

收稿日期：2015-03-30；修回日期：2015-08-06；網(wǎng)絡(luò)優(yōu)先出版日期：2015-09-21。