基于半监督学习的SVM-Wishart极化SAR图像分类方法

• 作者: 侯彪 滑文强 王爽
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: 极化SAR 地物分类 半监督学习 协同训练 支持向量机
• 年，卷（期）: 2015,（1）
• 所属期刊栏目: 论文
• 页码范围: 93-98
• 页数: 6页
• 分类号: TN958
• 字数: 4583字
• 语种: 中文
• DOI: 10.12000/JR14138

摘要

该文针对极化SAR (Synthetic Aperture Radar)图像分类中的小样本问题，提出了一种新的半监督分类算法。考虑到极化SAR数据反映了地物的散射特性，该方法首先利用目标分解方法提取了多种极化散射特征；其次，在协同训练框架下结合SVM分类器构建了协同半监督模型，该模型可以同时利用有标记和无标记样本对极化SAR图像进行分类，从而在小样本时可以获得更好的分类精度；最后，为进一步改善分类结果，在协同训练分类完成后，该方法又利用Wishart分类器对分类结果进行修正。理论分析与实验表明，该算法在只有少量标记样本的情况下优于传统算法。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	侯彪		25	1246	14.0	25.0
3	王爽		15	246	8.0	15.0
9	滑文强		1	15	1.0	1.0