基于多尺度压缩感知金字塔的极化干涉SAR图像分类
提出了一种新的基于多尺度压缩感知(Compressed sensing,CS)金字塔的分类方法,用于合成孔径雷达(Synthetic aperture radar,SAR)图像的分类.首先通过原始图像上的小波平滑和特征提取构建多尺度极化干涉特征空间,然后利用压缩感知提取每一个尺度上图像子块的观测域特征并在数据域重建稀疏特征,最后组合多尺度的稀疏特征生成最终用于分类的多尺度金字塔表达.针对稀疏编码和一般金字塔算法的局限性,提出了基于压缩感知和多尺度金字塔的方法,利用观测矩阵降低特征维数的优势的同时,对SAR图像的纹理特征进行不l同尺度的分析.在国内首批极化干涉SAR数据上的实验证明了上述算法的有效性.
图像处理、合成孔径雷达、图像分类、压缩感知、多尺度金字塔
37
TP391.41(计算技术、计算机技术)
国家重点基础研究发展计划973计划2007CB714405;国家自然科学基金60702041;测绘遥感信息工程国家重点实验室专项科研经费资助
2011-12-23(万方平台首次上网日期,不代表论文的发表时间)
820-827