基于协同训练与集成学习的极化SAR图像半监督分类

摘要：

针对全极化SAR图像在监督分类中存在的人工标注样本费时费力以及多种极化特征未能综合利用等问题,提出一种基于协同训练与集成学习的极化SAR图像半监督分类方法.该方法以支持向量机作为半监督学习的基分类器,通过协同学习机制将多种极化目标分解下的特征有效结合,实现同时利用无标注和有标注样本,最后通过集成学习进一步提高分类模型的泛化能力.在AIR-SAR和EMISAR影像上的实验表明,该方法能充分利用不同特征的特点,在较少人工标注的样本下也能获得较高的分类精度.

关键词：极化合成孔径雷达、目标分解、图像分类、半监督学习、协同训练、集成学习

所属期刊栏目：32

分类号：P237;TP751(摄影测量学与测绘遥感)

资助基金：国家自然科学基金项目41301449;江苏省测绘地理信息科研项目JSCHKY201501;地理空间信息工程国家测绘地理信息局重点实验室经费资助项目201324

在线出版日期：2017-05-27（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：380-385