10.16798/j.issn.1003-0530.2016.06.007
结合特征选择和大尺度谱聚类的极化SAR图像非监督分类
非监督分类是极化SAR图像解译的重要手段,但其分类结果易受到高维特征的影响.针对此问题,本文提出一种结合特征选择和大尺度谱聚类的极化SAR图像非监督分类方法.该方法首先深入分析并提取了极化SAR图像分类中常用的特征参数,包括基于测量数据及其简单线性变换的特征和极化目标分解的特征.然后通过聚类森林特征选择算法进行特征降维处理,去除冗余信息.最后利用过分割产生代表点并构建原始数据与代表点间的二分图,通过大尺度谱聚类算法完成图像的非监督分类.实验结果表明,该方法能够选取有效的特征组合,并得到较为满意的分类效果.
极化合成孔径雷达、特征选择、非监督分类、谱聚类
32
TN753(基本电子电路)
国家自然科学基金61271401,41501414;复旦大学电磁波信息科学教育部重点实验室开放基金项目EMW201504
2016-08-02(万方平台首次上网日期,不代表论文的发表时间)
共10页
684-693