基于SVM和能量最小化的PolSAR图像分类方法
极化合成孔径雷达(PolSAR)采用全极化的工作方式可以获取地物的多种特征,利用这些特征对地物进行分类是PolSAR图像的重要应用方向.不同的特征和分类器对分类精度有着较大的影响.提出了一种基于支持向量机(SVM)和能量最小化(EM)的极化SAR图像地物分类方法.该方法选择基于6种散射模型的分解方法(6SD)所得的6部分散射能量、总散射能量span和3个极化相干矩阵旋转域角参数作为SVM的输入,得到图像分类结果,并使用基于图割的能量最小化算法α-expansion对分类结果进行优化.最后使用AIRSAR系统获得的Flevoland地区的数据进行实验,结果表明所提算法可以提高总体分类精度,总体分类精度为95.6%,高于其他方法的92.3%.所提算法可以较大幅度地提高散射机理明显的区域,如建筑、森林、水域、草地等区域的分类精度.另外,结合EM优化结果可以提高所有种类的分类精度,其中在苜蓿、小麦1、小麦2、裸地、草地、油菜籽等区域的分类精度可提高1%以上.
极化合成孔径雷达、基于6种散射模型的分解方法、旋转域角参数、支持向量机、能量最小化
43
TN959.3
2020-05-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
146-152