基于自适应超像素的少样本极化SAR图像特征增强方法研究

摘要：

有监督的极化合成孔径雷达(极化SAR)图像地物分类任务需要像素级人工标注,如何减少其对大量精确标注样本的依赖是目前的一个研究重点.极化SAR图像的空间邻域内存在信息冗余和特征相关性,充分利用空间邻域信息有助于提升样本特征的判别性和鲁棒性.通过引入基于极化统计HSV颜色特征的 自适应超像素聚类算法,提出一种借助邻域相关性的样本特征增强方法.实验结果表明该方法可以在仅有少量标注样本的条件下提升分类结果的鲁棒性和准确率.

关键词：极化合成孔径雷达、地物分类、超像素、极化特征增强

所属期刊栏目：48

分类号：TN958

资助基金：国家重点研发计划2017YFB0503001

在线出版日期：2022-11-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：144-149