基于半监督学习的SVM-Wishart极化SAR图像分类方法 |
| |
引用本文: | 滑文强,王爽,侯彪.基于半监督学习的SVM-Wishart极化SAR图像分类方法[J].雷达学报,2015(1):93-98. |
| |
作者姓名: | 滑文强 王爽 侯彪 |
| |
作者单位: | 西安电子科技大学;西安电子科技大学智能信息处理研究所;西安电子科技大学智能感知与图像理解教育部重点实验室;陕西信号处理学会;智能感知与图像理解教育部重点实验室;西安电子科技大学国际智能感知与计算联合研究中心 |
| |
基金项目: | 国家自然科学基金(61173092,61271302);陕西省科学技术研究发展计划项目(2013KJXX-64)资助课题 |
| |
摘 要: | 该文针对极化SAR(Synthetic Aperture Radar)图像分类中的小样本问题,提出了一种新的半监督分类算法。考虑到极化SAR数据反映了地物的散射特性,该方法首先利用目标分解方法提取了多种极化散射特征;其次,在协同训练框架下结合SVM分类器构建了协同半监督模型,该模型可以同时利用有标记和无标记样本对极化SAR图像进行分类,从而在小样本时可以获得更好的分类精度;最后,为进一步改善分类结果,在协同训练分类完成后,该方法又利用Wishart分类器对分类结果进行修正。理论分析与实验表明,该算法在只有少量标记样本的情况下优于传统算法。
|
关 键 词: | 极化SAR 地物分类 半监督学习 协同训练 支持向量机 |
本文献已被 CNKI 等数据库收录! |
|