| 基于目标分解的极化SAR图像SVM监督分类 |
| |
| 引用本文： | 张 祥,邓喀中,范洪冬,赵 慧.基于目标分解的极化SAR图像SVM监督分类[J].计算机应用研究,2013,30(1):295-298. |
| |
| 作者姓名： | 张 祥 邓喀中 范洪冬 赵 慧 |
| |
| 作者单位： | 中国矿业大学 a. 国土环境与灾害监测国家测绘局重点实验室; b. 江苏省资源环境信息工程重点实验室, 江苏 徐州 221116 |
| |
| 基金项目： | 国家自然科学基金资助项目（41071273）; 高等学校博士学科点专项科研基金资助项目（20090095110002）; 中央高校基本科研业务费专项资金资助项目（2010QNA21）; 江苏省博士后科研资助计划项目（1101109C）; 江苏高校优势学科建设工程资助项目（PAPD, SA1102） |
| |
| 摘 要： | 鉴于使用单一特征无法获得令人满意的分类效果以及SVM在小训练样本时具有良好的分类性能,提出了基于多种目标分解方法和SVM的极化SAR图像分类方法。首先对原始极化SAR图像使用多种目标分解方法进行处理,得到相应的分量信息,然后在极化SAR图像特征提取的基础上将SVM应用于极化SAR图像分类。通过选取不同的特征信息作为支持向量机的输入,比较其对分类性能的影响,得到最优的用于分类的特征信息组合,其中将相干分解和非相干分解的信息同时用做分类特征能够获得较好的分类效果。利用NASA/JPL实验室AIRSAR系统获取的全极化SAR数据进行实验处理,与Wishart监督分类进行对比,验证了将目标分解信息用做分类特征的有效性,同时与Wishart/H/α和模糊C-均值H/α分类方法进行对比,得到提出的方法具有良好的分类性能。
|
| 关 键 词： | 极化合成孔径雷达 图像分类 目标分解 支持向量机 Wishart迭代 模糊C-均值 |
PolSAR SVM supervised classification method combining with polarimetric target decomposition |
| |
| ZHANG Xiang,DENG Ka-zhong,FAN Hong-dong,ZHAO Hui.PolSAR SVM supervised classification method combining with polarimetric target decomposition[J].Application Research of Computers,2013,30(1):295-298. |
| |
| Authors: | ZHANG Xiang DENG Ka-zhong FAN Hong-dong ZHAO Hui |
| |
| Affiliation: | a. Key Laboratory for Land Environment & Disaster Monitoring of SBSM, b. Jiangsu Key Laboratory of Resources & Environmental Information Engineering, China University of Mining & Technology, Xuzhou Jiangsu 221116, China |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 CNKI 等数据库收录！ |
| 点击此处可从《计算机应用研究》浏览原始摘要信息 |
|
点击此处可从《计算机应用研究》下载全文 |
|
