一种改进的模糊Wishar...极化SAR影像智能聚类算法_朱腾.pdf
《一种改进的模糊Wishar...极化SAR影像智能聚类算法_朱腾.pdf》由会员分享,可在线阅读,更多相关《一种改进的模糊Wishar...极化SAR影像智能聚类算法_朱腾.pdf(5页珍藏版)》请在咨信网上搜索。
1、测绘通报2023 年第 6 期引文格式:朱腾,高照忠,申晨,等 一种改进的模糊 Wishart-PSO 极化 SAR 影像智能聚类算法J 测绘通报,2023(6):88-92 DOI:10 13474/jcnki 11-2246 2023 00173一种改进的模糊 Wishart-PSO 极化 SAR 影像智能聚类算法朱腾1,2,高照忠1,2,申晨1,黄铁兰1,周惠苑3(1 广东工贸职业技术学院测绘遥感信息学院,广东 广州 510510;2 广东工贸职业技术学院测绘地理信息技术虚拟仿真实训基地,广东 广州 510510;3 广州南方测绘科技股份有限公司,广东 广州 510000)摘要:针对极化
2、 SAR 影像聚类精度不高、极化参数数据量大、计算复杂的问题,本文提出了基于改进模糊 Wishart 距离的极化 SAR影像粒子群智能聚类方法。该方法首先针对极化 SAR 数据分布,结合模糊划分改进传统 Wishart 聚类评价准则,减小孤立点噪声影响;然后根据极化散射机理完成聚类初始划分;最后在迭代寻优步骤引入粒子群优化框架,提高聚类中心有效性与分类精度。试验分别采用 L 波段 AIRSAR 数据及 X 波段高分辨率极化 SAR 数据验证了模糊 Wishart-PSO 聚类算法的有效性,分类结果较传统的 H/-Wishart 方法合理性明显提高,聚类精度可达 90%。关键词:粒子群优化算法;
3、模糊集;极化 SAR;非监督分类;Wishart 距离中图分类号:P237文献标识码:A文章编号:0494-0911(2023)06-0088-05An improved fuzzy Wishart-PSO polarimetric SAR image intelligentclustering algorithmZHU Teng1,2,GAO Zhaozhong1,2,SHEN Chen1,HUANG Tielan1,ZHOU Huiyuan3(1 School of Surveying and Remote Sensing Information,Guangdong Polytechnic
4、 of Industry and Commerce,Guangzhou 510510,China;2 Virtual Simulation Training Base of Surveying and Mapping Geographic Information Technology,Guangdong Polytechnic of Industry andCommerce,Guangzhou 510510,China;3 Guangzhou South Surveying and Mapping Technology Co,Ltd,Guangzhou 510000,China)Abstrac
5、t:Aiming at the problems of low accuracy of polarized SAR image clustering,large data volume of polarization parameters andcomplicated calculation,this paper proposes an intelligent clustering method for particle swarm of PolSAR images based on improvedfuzzy Wishart distance The method improves the
6、traditional Wishart clustering evaluation criterion by combining fuzzy division forPolSAR data distribution to reduce the influence of isolated point noise,then completes the initial division of clusters according to thepolarization scattering mechanism,and finally introduces the particle swarm opti
7、mization framework in the iterative optimization searchstep to improve the effectiveness of clustering centers and classification accuracy In the experimental part,the effectiveness of thefuzzy Wishart-PSO clustering algorithm is verified by using L-band AIRSAR data and X-band high-resolution polari
8、zed SAR datarespectively,and the classification results are significantly more reasonable than the traditional H/-Wishart method,and theclustering accuracy can reach 90%Key words:particle swarm optimization algorithm;fuzzy set;polarimetric SAR;unsupervised classification;Wishart distance全极化合成孔径雷达(po
9、larimetric syntheticaperture radar,PolSAR)有全天候、全天时对地球表面进行观测的能力,并能利用 HH、HV、VH、VV 4种极化组合方式获取丰富的地物信息,因而使得极化 SAR 传感器在民用和军事方面发挥着越来越大的作用1。然而多种极化组合也使其数据受到相干斑噪声的严重影响,极大地提高了极化 SAR 影像的解译分类难度2。近十几年来,研究人员提出了大量关于极化 SAR 影像的分类方法3-4。其中,应用较广泛、分类效果较稳定的是文献 5 提出的 H/-Wishart 算法。但由于采用 K 均值迭代模式,一方面,H/-Wishart 算法存在聚类划分武断,对
10、噪声较为敏感,受初始值影响严重等问题;另一方面,随着极化 SAR 系统的发展,数据空间分辨率不断提高,基于传统中低分辨率分布设计的聚类算法分类精度及方法稳定性不断下降6。针对分辨率提高情88收稿日期:2022-08-08基金项目:广东省普通高校青年创新人才类项目(2019GK QNCX020);广州市基础研究计划基础与应用基础研究项目(20210201298);广东工贸职业技术学院高层次人才专项(2021-gc-06);校级项目(2021-ZK-16)作者简介:朱腾(1989),男,博士,讲师,现从事极化 SAR 影像解译方向研究工作。E-mail:jhgf_1234 sina com通信作者
11、:申晨。E-mail:1541935325 qq com2023 年第 6 期朱腾,等:一种改进的模糊 Wishart-PSO 极化 SAR 影像智能聚类算法况的新分布,大数据量计算带来效率降低等问题,研究人员进行相应的改进,如基于改进分布的极化SAR 分类方法7-8、兼顾计算效率与全局寻优能力的集群智能分类方法等9-11。本文在改进距离度量准则的基础上,首先利用粒子群优化(particle swarmoptimization,PSO)框架进行极化 SAR 影像智能聚类方法研究,改善类别边界划分武断的问题,实现基于模糊 Wishart 距离的极化 SAR 影像智能聚类方法。最后使用两种不同波段
12、和分辨率的 PolSAR 数据进行聚类对比,以验证本文方法的有效性。1PolSAR 数据与非监督分类方法全极化 SAR 数据的基本形式为S=SAASABSBASBB(1)式中,A、B 分别代表水平极化与垂直极化。当散射回波满足互易条件(单基极化 SAR 系统)时,SBA=SAB。此时可将散射矩阵按 Pauli 基分解得到极化相干矩阵 T 为T=3i=1iTi=1e1eF1+2e2eF2+3e3eF3(2)式中,i为相干矩阵特征值;ei为特征向量;F 表示转置。在此基础上文献 12依据信息论得到了极化参数散射熵 H(Entropy)和散射角,并根据经验参数划分提出 H/分类。此后经过进一步讨论乘
13、法模 型 下 的 高 斯 分 布,得 到 极 化 SAR 数 据 的Wishart 最大似然距离为d T,V()=ln V+tr(V1T)(3)利用 H/分类作为初始划分依据,再结合归一化函数与最小距离准则,可完成对极化 SAR 影像的K 均值聚类,即极化 SAR 数据经典的 H/-Wishart分类方法。2基于模糊 Wishart 距离的极化 SAR 影像智能聚类算法2.1PSO 算法框架文献 10模拟了鸟群觅食行为表现出的集群智能,因此提出了粒子群优化算法。在 PSO 框架下,粒子代表优化问题在特征空间下的解。粒子的主要属性分别为位置和速度参数。在设定目标函数度量粒子的优异程度后,从每个粒
14、子及它们曾经到达的位置即可评定个体及全局最优历史记录,最后让粒子的速度依据最优记录更新,粒子位置依据速度更新,即可完成迭代寻优13。记集群中粒子 i 在特征空间的位置参数为向量xi,表示位置改变量的参数为速度 vi,粒子个体最优位置为 pi,集群最优位置为 g,则集群中的个体均可迭代更新,完成寻优,公式为vij=vij+c1r1(pij xij)+c2r2(gj xij)(4)xij=xij+vij(5)2.2模糊 Wishart 聚类方法针对迭代过程中像元类别划分过于僵硬的问题,采用基于 Wishart 距离的模糊聚类14,使得一个像元可依一定概率同时隶属于多个类别,改进得到模糊 PSO 分
15、类算法。不同于传统最小距离准则,根据模糊集理论,当点到某类中心距离足够小时,则该点对于此类的隶属度为 1,即完全属于此类,而对于其他类别的隶属度为 0;反之,则依据点到各聚类中心的距离确立相应的隶属度,对于距离越远的类别其隶属度越低。无论何时,某点对于各类的隶属度之和为 115。在确定隶属度后,计算新聚类中心的公式为Tj=ni=1Uijxini=1Uij(6)式中,Uij代表第 i 个像元对于第 j 类的隶属度。由于 Wishart 距离取值范围变化较大且包含负数,影响常规隶属度计算。对 Wishart 距离进行归一化12,公式为d=(dW?dw)/S(7)式中,以某点到各聚类中心的标准 Wi
16、shart 距离为一组样本,d 为归一化后的 Wishart 距离;S 为样本方差;?dw为样本均值;当满足条件 min d(xi,cj)pf(j=1,2,n)时,归一化后可设计模糊函数为U(xi,cj)=1 d(xi,ck)d(xi,cl)(l=1,2,n,lk)0 其他(8)式中,d(xi,cj)为第 i 个像素到第 j 类的归一化Wishart 距离;U(xi,cj)为第i个像素对第j类的隶属度;pf为一个可调节的模糊化参数,当第 i 个像素到某一类别(记为 k)的归一化 Wishart 距离足够小时(pf),则认为该像素完全属于该类别,即此时U(xi,cj)=1(j=k),U(xi,c
17、j)=0(j k)。而不能满足此条件时,则该像素将同时属于多个类别,当满足条件 d(xi,cj)pf(j=1,2,n)时,公式为U(xi,cj)=0d(xi,cj)pf(pf min d(xi,cj),pf2ni=1(pf min d(xi,cj),pf2其他(9)98测绘通报2023 年第 6 期式中,当第 i 个像素到类别 k 的归一化 Wishart 距离大于上界(pf)时,则应认为该像素完全不属于该类别,即有 U(xi,cj)=0(j=k)。得到隶属度矩阵后即可计算适应度函数,公式为Fit=ni=1mj=1U(xi,cj)d(xi,cj)(10)式中,xi为第i个像素的T矩阵的值;cj
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 一种 改进 模糊 Wishar 极化 SAR 影像 智能 算法 朱腾
1、咨信平台为文档C2C交易模式,即用户上传的文档直接被用户下载,收益归上传人(含作者)所有;本站仅是提供信息存储空间和展示预览,仅对用户上传内容的表现方式做保护处理,对上载内容不做任何修改或编辑。所展示的作品文档包括内容和图片全部来源于网络用户和作者上传投稿,我们不确定上传用户享有完全著作权,根据《信息网络传播权保护条例》,如果侵犯了您的版权、权益或隐私,请联系我们,核实后会尽快下架及时删除,并可随时和客服了解处理情况,尊重保护知识产权我们共同努力。
2、文档的总页数、文档格式和文档大小以系统显示为准(内容中显示的页数不一定正确),网站客服只以系统显示的页数、文件格式、文档大小作为仲裁依据,平台无法对文档的真实性、完整性、权威性、准确性、专业性及其观点立场做任何保证或承诺,下载前须认真查看,确认无误后再购买,务必慎重购买;若有违法违纪将进行移交司法处理,若涉侵权平台将进行基本处罚并下架。
3、本站所有内容均由用户上传,付费前请自行鉴别,如您付费,意味着您已接受本站规则且自行承担风险,本站不进行额外附加服务,虚拟产品一经售出概不退款(未进行购买下载可退充值款),文档一经付费(服务费)、不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
4、如你看到网页展示的文档有www.zixin.com.cn水印,是因预览和防盗链等技术需要对页面进行转换压缩成图而已,我们并不对上传的文档进行任何编辑或修改,文档下载后都不会有水印标识(原文档上传前个别存留的除外),下载后原文更清晰;试题试卷类文档,如果标题没有明确说明有答案则都视为没有答案,请知晓;PPT和DOC文档可被视为“模板”,允许上传人保留章节、目录结构的情况下删减部份的内容;PDF文档不管是原文档转换或图片扫描而得,本站不作要求视为允许,下载前自行私信或留言给上传者【自信****多点】。
5、本文档所展示的图片、画像、字体、音乐的版权可能需版权方额外授权,请谨慎使用;网站提供的党政主题相关内容(国旗、国徽、党徽--等)目的在于配合国家政策宣传,仅限个人学习分享使用,禁止用于任何广告和商用目的。
6、文档遇到问题,请及时私信或留言给本站上传会员【自信****多点】,需本站解决可联系【 微信客服】、【 QQ客服】,若有其他问题请点击或扫码反馈【 服务填表】;文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“【 版权申诉】”(推荐),意见反馈和侵权处理邮箱:1219186828@qq.com;也可以拔打客服电话:4008-655-100;投诉/维权电话:4009-655-100。