基于SVM的POL-SAR图像分类研究

摘要：

提出了一种将物理散射机理、纹理信息和SVM结合起来用于POL-SAR图像分类的方法.实验数据选取德国Oberpfaffenhofen实验区域(DE)的DLR ESAR L波段全极化数据,实验区域包括自然植被,如森林、田地和人造目标如建筑、机场跑道等.首先利用OEC分解得到了散射特征,然后提取HH和HV通道图像的纹理特征,并用SVM进行特征选择及分类.然后在上述特征中加入Freeman分解的散射特征重复试验,取得了较好的结果.试验证明了将散射特征和纹理特征结合起来对地物进行分类是有效的,同时也证明了用SVM进行特征选择的有效性.

关键词：极化SAR、极化目标分解、基于灰度共生矩阵的纹理特征、SVM、分类

所属期刊栏目：22

分类号：TN951

资助基金：国家自然科学基金60672091

在线出版日期：2007-12-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：633-636,图版Ⅲ