基于Cameron分解和SVM的极化SAR图像分类

• 作者: 张长耀 汪洋 鲁加国
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 极化合成孔径雷达 Cameron分解 支持向量机 核函数 参数选择
• 年，卷（期）: 2006,（36）
• 所属期刊栏目: 博士论坛
• 页码范围: 17-19,22
• 页数: 4页
• 分类号: TN957
• 字数: 2653字
• 语种: 中文
• DOI: 10.3321/j.issn:1002-8331.2006.36.007

摘要

Cameron分解先将极化散射矩阵分解为互易分量和非互易分量,再将互易分量进一步分解为对称分量和非对称分量,这是极化合成孔径雷达图像特征提取的有效途径.由四个分量的范数组成样本向量,运用基于统计学习理论的支持向量机设计分类器,提出了一种极化SAR图像分类算法,并对实测极化SAR数据进行分类实验.结果表明,将Cameron分解与SVM结合起来应用于极化SAR图像分类的算法是可行和有效的,通过选择不同的参数对分类结果影响很大,验证了参数选择在SVM分类器中的重要作用.