基于中间层特征的全极化SAR监督地物分类

• 作者: 任俊英 曹永锋 苏彩霞
• 来源期刊: 遥感技术与应用
• 学科: 工学
• 关键词: 全极化SAR 支持向量机 中间层特征 中间成分
• 年，卷（期）: 2014,（2）
• 所属期刊栏目: 数据图像处理
• 页码范围: 330-337
• 分类号: TP722.6
• 语种: 中文
• DOI: 10.11873/j.issn.1004-0323.2014.2.0330

摘要

提出了一种组合中间层特征(Middle Level Feature,MLF)和支持向量机(Support Vector Machine,SVM)的全极化合成孔径雷达(Synthetic Aperture Radar,SAR)监督地物分类方法.选择监督方法的目的是直接区分实际地物类别,中间层特征在非监督聚类结果中获取,用于跨越底层特征与地物类别间的语义鸿沟.统计以某像素为中心的特征支持区域内各“中间成分”的占比作为该像素的MLF.这里“中间成分”对应于基于底层极化特征得到的非监督聚类类别.在覆盖武汉地区的Radarsat-2全极化数据上,与基于经典全极化特征的SVM监督分类方法进行了对比,研究了不同中间成分获取方法以及特征支持窗口对于分类性能的影响,结果显示:该方法有很好的性能并有进一步提升的空间.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苏彩霞	贵州师范大学数学与计算机科学学院	8	26	3.0	5.0
2	曹永锋	贵州师范大学数学与计算机科学学院	13	46	5.0	6.0
3	任俊英	贵州师范大学数学与计算机科学学院	2	9	2.0	2.0