基于目标分解和SVM的极化SAR图像分类方法 |
| |
引用本文: | 赵一博,秦先祥,邹焕新.基于目标分解和SVM的极化SAR图像分类方法[J].航天返回与遥感,2013(2):50-56. |
| |
作者姓名: | 赵一博 秦先祥 邹焕新 |
| |
作者单位: | 国防科技大学电子科学与工程学院 |
| |
摘 要: | 极化SAR图像分类是新体制雷达应用研究中的一类基础前沿问题。文章提出了一种基于目标分解及支持矢量机(Support Vector Machine,SVM)的极化SAR图像分类方法。首先根据Cloude分解和Freeman分解两种方法提取极化SAR图像的多类散射特征,从而构造出图像各像素的特征向量。接着利用样本区域像素的特征向量对SVM进行训练,获得经训练的SVM。最后,以各待分类像素的特征向量为输入,利用经训练的SVM即可完成极化SAR图像的分类。对两幅AIRSAR实测极化SAR图像数据分类的结果表明,文章方法能够有效地利用多类散射特征的互补信息,具有较高的分类精度。
|
关 键 词: | 极化SAR 分类 Cloude分解 Freeman分解 支持矢量机 航天遥感 |
本文献已被 CNKI 等数据库收录! |
|