引入纹理特征的SSVM算法在极化SAR影像分类中的应用

摘要：

在极化SAR影像极化特征的基础上，引入影像的纹理信息，利用带核函数的SSVM算法对极化SAR影像进行分类研究。该方法首先利用精致LEE滤波器对极化SAR影像进行去噪处理；然后采用小波变换对去噪后的总功率影像Span进行纹理特征提取；最后将纹理信息和极化信息结合，并采用SSVM方法对极化SAR影像进行分类。利用NASA／JPLAIRSAR获取的L波段SanFrancisco海湾和荷兰中部Flevoland地区的影像对该方法进行验证，结果表明，SSVM算法可有效地用于极化SAR影像分类，且分类精度和分类效率都优于SVM算法。同时纹理信息的引入使SSVM算法的分类精度得到了进一步提高。

关键词：SSVM、小波变换、极化信息、纹理特征

分类号：P21(普通测量学、地形测量学)

资助基金：国家863计划2011AAl20404;武汉大学博士基金201121302020006

在线出版日期：2012-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：7-10