引入商空间粒度计算的全极化SAR影像分类
为了充分利用不同极化特征信息,并将其有效地结合,提出一种结合粒度计算的全极化合成孔径雷达(synthetic aperture radar,SAR)影像分类方法.在不同极化目标分解特征组合的基础上引入影像纹理信息,利用光滑支持向量机(smooth support vector machine,SSVM)对不同特征组合进行类别划分获得粗粒度空间,采用商空间对粗粒度进行合并;根据全极化SAR影像分布特性,以相干矩阵作为新的特征矢量,利用Wishart测度代替传统欧氏距离对差异粒度进行推理,通过合并推理结果与合成论域,获得精细分类结果.采用L波段San Francisco地区和荷兰Flevoland地区的全极化SAR影像进行分类试验,结果表明:利用SS-VM算法对全极化SAR影像进行粗粒度划分,并采用Wishart距离对差异粒度推理综合,总体分类效果优于结合纹理信息的Cloude及Yamaguchi4分类结果,且优于基于线性特征融合进行监督分类方法.
极化目标分解、纹理特征、光滑支持向量机、商空间粒度、粒度计算
43
TP722(遥感技术)
国家自然科学基金41130744,41171335.The National Natural Science Foundation of China,Nos.41130744,41171335
2018-03-26（万方平台首次上网日期，不代表论文的发表时间）
共7页
74-80
