基于目标分解与支持向量机的极化SAR图像分类研究

摘要：

为了有效地对极化SAR图像进行分类,基于目标分解和支持向量机,提出了一种极化SAR图像非监督分类法.该方法首先利用目标分解理论获得极化熵和平均散射角,并在熵-平均散射角平面对图像进行初分类,以确定类中心;然后利用Wishart分布定义的距离函数寻找训练样本,同时选择一定的极化参数组成特征矢量,并利用训练样本和特征矢量训练支持向量机;最后用训练好的分类器对极化SAR图像进行分类.通过对ESAR图像进行分类,比较了多种参数组合的分类结果,并与Wishart方法进行了比较,结果表明,该方法特征选择非常灵活,不仅结果类内离散度更小,且不需要太多的迭代次数.

关键词：合成孔径雷达、极化、图像分类、支持向量机

所属期刊栏目：13

分类号：TP751.1(遥感技术)

在线出版日期：2008-10-22（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：1511-1516