基于联合特征和SVM的极化SAR图像分类方法 |
| |
作者单位: | ;1.中国人民解放军65021部队 |
| |
摘 要: | 极化SAR地物分类作为极化SAR数据解译的关键环节,已成为遥感领域研究的一个新热点。在充分研究现有方法的基础上,给出了一种联合特征和SVM相结合的极化SAR图像分类方法。该方法基于目标分解理论提取极化SAR图像的多类散射特征,并结合具有上下文知识的纹理特征,构建联合特征矢量;利用提取样本区域像素的联合特征矢量训练SVM分类器;将未知数据输入训练好的分类器完成最终的分类。实测SAR图像数据的实验结果表明,算法能够充分利用极化SAR图像电磁散射特性及纹理特征的互补性,具有较好的分类性能。
|
关 键 词: | 航天遥感 极化SAR 目标分解理论 支持矢量机 |
Classification of Polarimetric SAR Image Based on Associated Feature and SVM |
| |
Abstract: | |
| |
Keywords: | |
|
|