基于Krogager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: 遥感技术与应用
• 学科: 工学
• 关键词: 极化合成孔径雷达 Krogager分解 支持向量机 核函数 参数选择
• 年，卷（期）: 2007,（1）
• 所属期刊栏目: 技术方法
• 页码范围: 70-74
• 页数: 5页
• 分类号: TN957
• 字数: 2425字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-0323.2007.01.014

摘要

目标分解包括基于Sinclair矩阵的相干目标分解和基于Mueller矩阵的部分相干目标分解,Krogaget分解即属于相干目标分解,它可以将任一对称Sinclair矩阵分解为球散射体、二面角散射体和螺旋体3个分量,这是极化合成孔径雷达(Synthetic Aperture Radar,SAR)图像特征捷取的有效途径.把3个分量的分解系数作为极化散射特征,由其组成样本向量,运用基于统计学习理论的支持向量机(Support、Feetor Machines,SVM)设计多类分类器,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Krogager分解和SVM分类器结合起来,对极化SAR图像进行分类是可行和有效的,并且选择不同的参数得到的分类结果差别很大,验证了参数选择在SVM分类器中的重要作用.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	鲁加国		15	76	5.0	8.0
2	汪洋		18	86	6.0	9.0
6	张长耀		19	151	7.0	11.0