公开(公告)号：CN102999762B

公开(公告)日：2016-01-20

申请号：CN201210414790.9

申请日：2012-10-25

申请人： 西安电子科技大学

发明人： 焦李成 ,  刘坤 ,  郭卫英 ,  李婷婷 ,  王爽 ,  马晶晶 ,  马文萍 ,  刘亚超 ,  侯小瑾 ,  张涛

IPC分类号： G06K9/62

摘要： 本发明公开了一种基于Freeman分解和谱聚类的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高的问题。其实现步骤为：对每个像素点进行Freeman分解，提取像素点的体散射功率，二面角散射功率和表面散射功率；将像素点的三种散射功率及其坐标作为Mean Shift算法的输入特征向量，用Mean Shift算法对图像进行分割，得到M个区域；选取M个区域的代表点作为谱聚类的输入点，对各区域进行谱聚类，获得图像的预分类结果；最后，对预分类得到的整幅图像Wishart分类器进行迭代分类，得到最终分类结果。实验结果表明本发明所实现的极化SAR图像分类效果更好，可用于对各种极化SAR图像进行无监督分类。

公开(公告)号：CN102999761A

公开(公告)日：2013-03-27

申请号：CN201210414789.6

申请日：2012-10-25

申请人： 西安电子科技大学

发明人： 王爽 ,  侯小瑾 ,  李崇谦 ,  刘亚超 ,  马文萍 ,  马晶晶 ,  刘坤 ,  张涛

IPC分类号： G06K9/62

摘要： 本发明公开了一种基于Cloude分解和K-wishart分布的极化SAR图像分类方法，主要解决现有技术分类效果差及计算复杂度高的问题，其实现步骤为：(1)读入一幅待分类的极化SAR图像，对图像中的每个像素点进行Cloude分解，得到熵H和散射角α；(2)根据熵H和散射角α的值对极化SAR图像进行初始划分，将图像划分为8类；(3)对整个极化SAR图像的8类划分结果进行K-wishart迭代，得到更为准确的分类结果。本发明与经典分类方法相比，对极化SAR图像的划分更加严谨，分类效果更佳，计算复杂度相对较小，可用于对极化SAR图像的进行地物分类和目标识别。

公开(公告)号：CN103886327B

公开(公告)日：2017-05-24

申请号：CN201410082697.1

申请日：2014-03-07

申请人： 西安电子科技大学

发明人： 焦李成 ,  马文萍 ,  陈菲菲 ,  霍丽娜 ,  王爽 ,  马晶晶 ,  侯彪 ,  刘亚超

IPC分类号： G06K9/62

摘要： 本发明公开了一种基于2D‑KPCA的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高的问题。其实现步骤为：对每个像素点进行Freeman分解，提取像素点的三种散射功率；根据获得的散射功率对图像进行划分，得到3种类别；对获得的每一类，将其用2D‑KPCA进行自适应降维分类；最后，对预分类得到的图像用Wishart分类器进行迭代分类，得到最终分类结果。本发明与经典分类方法相比，对极化SAR图像的划分更加严谨，分类效果更佳，计算复杂度相对较小，可用于对极化SAR图像的进行地物分类和目标识别。

公开(公告)号：CN102982338B

公开(公告)日：2016-05-25

申请号：CN201210424175.6

申请日：2012-10-25

申请人： 西安电子科技大学

发明人： 焦李成 ,  刘坤 ,  郭卫英 ,  王爽 ,  刘亚超 ,  马文萍 ,  马晶晶 ,  侯小瑾 ,  张涛

IPC分类号： G06K9/62

摘要： 本发明公开了一种基于谱聚类的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高的问题。其实现步骤为：提取表征极化SAR目标散射特征的散射熵H，结合空间坐标信息，作为Mean Shift算法的输入特征空间；在特征空间用Mean Shift算法进行分割，得到M个区域；在M个区域上，选取各区域的代表点作为谱聚类的输入，对各区域进行谱分割，进而完成对所有像素点的谱聚类，获得预分类结果；最后，对预分类得到的整幅图像用能反映极化SAR分布特性的Wishart分类器进行迭代分类，得到分类结果。实验表明，本发明所实现的极化SAR图像分类效果更好，可用于对各种极化SAR图像进行无监督分类。

公开(公告)号：CN103186794B

公开(公告)日：2015-11-11

申请号：CN201310102660.6

申请日：2013-03-27

申请人： 西安电子科技大学

发明人： 王爽 ,  焦李成 ,  刘亚超 ,  侯小谨 ,  侯彪 ,  刘坤 ,  张涛

IPC分类号： G06K9/62

摘要： 本发明公开了一种基于改进的近邻传播聚类的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高的问题。其实现步骤为：对每个像素点进行四种分量分解，提取像素点的四种散射功率；根据获得的散射功率对图像进行划分，得到4种类别；对获得的每一类，将其均等的分成20个小类；对每一类中的20个小类别，用改进后的近邻传播聚类对其聚类，得到图像的预分类结果；最后，对预分类得到的图像用Wishart分类器进行迭代分类，得到最终分类结果。本发明与经典分类方法相比，对极化SAR图像的划分更加严谨，分类效果更佳，计算复杂度相对较小，可用于对极化SAR图像的进行地物分类和目标识别。

公开(公告)号：CN102968640B

公开(公告)日：2015-11-11

申请号：CN201210415131.7

申请日：2012-10-25

申请人： 西安电子科技大学

发明人： 王爽 ,  侯小瑾 ,  李崇谦 ,  李婷婷 ,  刘亚超 ,  马文萍 ,  马晶晶 ,  刘坤 ,  张涛

IPC分类号： G06K9/62

摘要： 本发明公开了一种基于Freeman分解和数据分布特征的极化SAR图像分类方法，主要解决现有技术计算复杂度较高和分类效果差的问题。其实现步骤为：1）对待分类的极化SAR图像进行Freeman分解，获取平面散射、二面角散射及体散射三种散射功率；2）根据三种散射功率将极化SAR图像初始划分为三类；3）计算每一类中各像素点的分布特征参数χL；4）根据分布特征参数χL的值将初始划分的三类的每一类再划分为3类，从而将整个极化SAR图像划分为9类；5）对得到的9类划分结果进行复Wishart迭代，得到最终的分类结果。本发明与经典分类方法相比，对极化SAR图像的划分更加严谨，分类效果更佳，计算复杂度相对较小，可用于对极化SAR图像的进行地物分类和目标识别。

公开(公告)号：CN103839073B

公开(公告)日：2017-02-08

申请号：CN201410055001.6

申请日：2014-02-18

申请人： 西安电子科技大学

发明人： 王爽 ,  焦李成 ,  刘亚超 ,  于佳平 ,  马晶晶 ,  马文萍 ,  侯彪

IPC分类号： G06K9/62

摘要： 本发明公开了一种基于极化特征和近邻传播聚类的极化SAR图像分类方法，主要解决现有无监督极化SAR分类方法分类精度不高的问题。其实现步骤为：对每个像素点进行特征分解和Freeman分解，提取像素点的三种系数和四种散射功率；根据获得的系数和散射功率对图像进行划分，得到7种类别；对获得的每一类，利用数据分布特征将其分成3个小类；对得到的21个类别计算相似度矩阵，然后用近邻传播聚类对其聚类，得到图像的预分类结果；最后，对预分类得到的图像用Wishart分类器进行迭代分类，得到最终分类结果。本发明与经典分类方法相比，对极化SAR图像的划分更加严谨，分类效果更佳，计算复杂度相对较小，可用于对极化SAR图像的进行地物分类和目标识别。

公开(公告)号：CN102968640A

公开(公告)日：2013-03-13

申请号：CN201210415131.7

申请日：2012-10-25

申请人： 西安电子科技大学

发明人： 王爽 ,  侯小瑾 ,  李崇谦 ,  李婷婷 ,  刘亚超 ,  马文萍 ,  马晶晶 ,  刘坤 ,  张涛

IPC分类号： G06K9/62

摘要： 本发明公开了一种基于Freeman分解和数据分布特征的极化SAR图像分类方法，主要解决现有技术计算复杂度较高和分类效果差的问题。其实现步骤为：1）对待分类的极化SAR图像进行Freeman分解，获取平面散射、二面角散射及体散射三种散射功率；2）根据三种散射功率将极化SAR图像初始划分为三类；3）计算每一类中各像素点的分布特征参数χL；4）根据分布特征参数χL的值将初始划分的三类的每一类再划分为3类，从而将整个极化SAR图像划分为9类；5）对得到的9类划分结果进行复Wishart迭代，得到最终的分类结果。本发明与经典分类方法相比，对极化SAR图像的划分更加严谨，分类效果更佳，计算复杂度相对较小，可用于对极化SAR图像的进行地物分类和目标识别。

公开(公告)号：CN102903118A

公开(公告)日：2013-01-30

申请号：CN201210415237.7

申请日：2012-10-25

申请人： 西安电子科技大学

发明人： 王爽 ,  侯小瑾 ,  赵丽 ,  刘亚超 ,  刘坤 ,  马文萍 ,  马晶晶 ,  张涛

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于快速全局K均值的自适应图像分割方法，主要解决现有技术自适应分割图像效果差和计算复杂度高的缺点，其实现步骤为：(1)读入一幅待分割的图像，提取待分割的图像的纹理特征；(2)设置图像聚类数c的搜索范围；(3)用改进后的快速全局K均值方法将纹理特征聚成c类，得到聚类中心；(4)计算每一个纹理特征属于每一类的隶属度；(5)根据隶属度和聚类中心计算聚类数为c，c-1，c-2分别对应的有效性指标L(c),L(c-1),L(c-2)；(6)若L(c-1)＞L(c-2)并且L(c-1)＞L(c)，则输出分割结果，否则，令c=c+1，返回步骤(3)。本发明与其他方法相比，计算复杂度低，自适应获得的最佳类别数和分割结果更准确，可用于对图像进行分割和聚类。

公开(公告)号：CN102903118B

公开(公告)日：2015-04-08

申请号：CN201210415237.7

申请日：2012-10-25

申请人： 西安电子科技大学

发明人： 王爽 ,  侯小瑾 ,  赵丽 ,  刘亚超 ,  刘坤 ,  马文萍 ,  马晶晶 ,  张涛

IPC分类号： G06T7/00

摘要： 本发明公开了一种基于快速全局K均值的自适应图像分割方法，主要解决现有技术自适应分割图像效果差和计算复杂度高的缺点，其实现步骤为：(1)读入一幅待分割的图像，提取待分割的图像的纹理特征；(2)设置图像聚类数c的搜索范围；(3)用改进后的快速全局K均值方法将纹理特征聚成c类，得到聚类中心；(4)计算每一个纹理特征属于每一类的隶属度；(5)根据隶属度和聚类中心计算聚类数为c，c-1，c-2分别对应的有效性指标L(c),L(c-1),L(c-2)；(6)若L(c-1)＞L(c-2)并且L(c-1)＞L(c)，则输出分割结果，否则，令c=c+1，返回步骤(3)。本发明与其他方法相比，计算复杂度低，自适应获得的最佳类别数和分割结果更准确，可用于对图像进行分割和聚类。