基于全极化SAR影像的海岛地物分类

摘要：

我国海岛众多且资源丰富,针对海岛地物复杂和难以采集训练样本的特点,在分析9种极化特征参数对海岛地物区分能力的基础上,提出了一种基于全极化SAR影像的海岛地物分类方法.该方法采用Freeman分解和Cloude-Pottier分解提取的极化特征与Shannon熵组成特征集,通过自编码器对原始特征进行学习重构,提取更具有可分性的深层特征,并利用主动学习选择最优价值的样本加入训练样本以提高分类器分类效果.通过对舟山群岛全极化SAR影像进行分类实验,结果表明:该方法能够对全极化SAR影像中的不同海岛地物进行有效区分,特别是引入Shannon熵后能明显提升海水、泥滩和沙滩的分类精度;基于主动深度学习的分类方法可以在样本有限的情况下得到比传统分类方法更好的分类结果.

关键词：极化SAR、极化目标分解、香农熵、主动学习、深度学习

所属期刊栏目：34

分类号：TP79(遥感技术)

资助基金：卫星测绘技术与应用国家测绘地理信息局重点实验室经费资助项目“面向滨海湿地的极化SAR影像特征提取与半监督分类研究”20175014612;浙江省流域水环境与健康风险研究重点实验室资助项目“基于极化SAR影像的滨海湿地分类研究”IWA-TER-KF-201702;国家自然科学基金项目“基于视觉注意机制的SAR图像小目标检测方法研究”41301449

在线出版日期：2019-07-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：647-654