基于支持向量机的极化SAR图像分类

• 作者: 吴永辉 计科峰 郁文贤
• 来源期刊: 现代雷达
• 学科: 工学
• 关键词: 合成孔径雷达 极化 支持向量机 图像分类
• 年，卷（期）: 2007,（6）
• 所属期刊栏目: 信号/数据处理
• 页码范围: 57-60,73
• 页数: 5页
• 分类号: TN957.52|TN958
• 字数: 3064字
• 语种: 中文
• DOI: 10.3969/j.issn.1004-7859.2007.06.017

摘要

与传统最大似然(ML)分类器相比,支持向量机(SVM)在小训练样本时仍具有良好的分类性能,目前已广泛应用于多个领域.该文在极化SAR特征提取的基础上,将SVM应用于极化SAR图像分类,分析了分类器参数对分类性能的影响.利用NASA/JPL实验室AIRSAR系统的L波段旧金山全极化SAR数据比较了SVM和ML的分类性能,并进一步给出了基于SVM的国内某地区双极化SAR图像分类结果.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郁文贤	国防科学技术大学电子科学与工程学院	19	226	10.0	14.0
2	计科峰	国防科学技术大学电子科学与工程学院	35	323	11.0	16.0
3	吴永辉	国防科学技术大学电子科学与工程学院	11	138	6.0	11.0