基于加权投票集成的极化SAR图像分类方法

• 作者: 焦李成 王爽 陈博
• 来源期刊: 华中科技大学学报（自然科学版）
• 学科: 工学
• 关键词: 图像分类 雷达极化 监督分类 极化SAR图像分类 分类器集成 加权投票准则
• 年，卷（期）: 2015,（3）
• 页码范围: 79-82
• 页数: 4页
• 分类号: TP751
• 语种: 中文
• DOI: 10.13245/j.hust.150316

摘要

提出了一种新的基于加权投票准则集成的极化合成孔径雷达系统（PolSAR）图像分类方法。该方法采用加权投票集成的方法根据不同个体的学习结果进行合，并从而提高极化SAR图像的分类精度。首先，输入极化图像数据并获得所需要的特征作为特征集。再从图像的每一类中选取多组像素点组成多个训练样本子集；然后，基于不同的样本子集训练学习得到不同的分类器，并对像素点进行分类得到预测标记，再由这些预测标记计算得出相应的加权系数；最后，通过加权系数将预测标记合并起来得到最终的极化SAR分类结果。实验结果证明，所提出的算法在AIRSAR和Radarsat‐2数据上取得了很好的分类结果。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	焦李成	西安电子科技大学智能感知与图像理解教育部重点实验室	514	14586	52.0	103.0
5	王爽	西安电子科技大学智能感知与图像理解教育部重点实验室	15	246	8.0	15.0
9	陈博	西安电子科技大学智能感知与图像理解教育部重点实验室	7	63	5.0	7.0