基于目标分解和SVM的极化SAR图像分类方法

摘要：

极化SAR图像分类是新体制雷达应用研究中的一类基础前沿问题.文章提出了一种基于目标分解及支持矢量机(Support Vector Machine,SVM)的极化SAR图像分类方法.首先根据Cloude分解和Freeman分解两种方法提取极化SAR图像的多类散射特征,从而构造出图像各像素的特征向量.接着利用样本区域像素的特征向量对SVM进行训练,获得经训练的SVM.最后,以各待分类像素的特征向量为输入,利用经训练的SVM即可完成极化SAR图像的分类.对两幅AIRSAR实测极化SAR图像数据分类的结果表明,文章方法能够有效地利用多类散射特征的互补信息,具有较高的分类精度.

关键词：极化SAR、分类、Cloude分解、Freeman分解、支持矢量机、航天遥感

所属期刊栏目：34

分类号：TP751.1(遥感技术)

资助基金：国家重大科技专项工程

在线出版日期：2013-07-19（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：50-56