基于模糊粒子群優(yōu)化和目標(biāo)分解的極化SAR影像地物分類.pdf

1、極化合成孔徑雷達(dá)（Polarimetric Synthetic Aperture Radar，PolSAR）因其在圖像獲取方面不會(huì)受到光照、天氣等原因的影響，真正達(dá)到了全天侯二十四小時(shí)不間斷獲取圖像的要求，使得極化SAR被廣泛的應(yīng)用到軍用和民用等方面。隨著獲取的極化SAR影像數(shù)量的增多，同時(shí)極化SAR影像本身又包含了極為豐富的信息，因此極化SAR影像處理和解譯已成為與國防建設(shè)和經(jīng)濟(jì)發(fā)展密切相關(guān)的一項(xiàng)重要研究。本文針對極化SAR影像分類方

2、法進(jìn)行了大量研究，并提出了三種改進(jìn)方法：
　　1.提出了一種基于模糊粒子群優(yōu)化和散射分解的極化SAR影像地物分類的改進(jìn)方法。該方法中我們采用Cloude分解對極化SAR數(shù)據(jù)進(jìn)行特征分解，將得到的散射特征——散射熵和散射角作為分類依據(jù)，并采用FCM聚類算法代替復(fù)Wishart分類器對極化SAR數(shù)據(jù)進(jìn)行分類，使計(jì)算復(fù)雜度降低，程序運(yùn)行時(shí)間縮短。同時(shí)針對FCM聚類算法的缺陷，用粒子群算法的粒子尋優(yōu)過程代替FCM中聚類中心迭代優(yōu)化過程，從

3、而避免因采用梯度下降產(chǎn)生的使聚類中心陷入局部最優(yōu)的缺陷，最終達(dá)到比較好的分類結(jié)果。試驗(yàn)證明，改進(jìn)后的方法得到的分類結(jié)果更加精確。
　　2.提出了一種基于模糊粒子群優(yōu)化和目標(biāo)分解的極化SAR影像地物分類方法，我們繼承了方法一中利用FCM聚類算法代替復(fù)Wishart分類器對極化SAR數(shù)據(jù)進(jìn)行分類的方法，并且用粒子群算法的尋優(yōu)迭代方法代替FCM的聚類中心更新的迭代方法。延續(xù)了方法一中優(yōu)越性的同時(shí)，我們利用Cloude分解和Freeman

4、分解，提取出極化SAR數(shù)據(jù)的散射特征——散射熵和散射功率，并將其作為分類依據(jù)。我們既可以通過Cloude分解充分利用極化SAR數(shù)據(jù)的八分量分解旋轉(zhuǎn)不變性，又能通過Freeman分解合理使用幅值信息，從而保留更多圖像細(xì)節(jié)，較好地保留散射機(jī)制。更加合理有效的使用極化SAR數(shù)據(jù)的散射特征使分類結(jié)果更加接近實(shí)際情況。
　　3.提出了一種基于模糊量子粒子群優(yōu)化和目標(biāo)分解的極化SAR影像地物分類方法，本方法是對方法一和方法二的改進(jìn)，我們在前兩