利用多特征融合和集成学习的极化SAR图像分类

• 作者: 孙勋 杨祥立 涂尚坦 黄平平
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: 极化合成孔径雷达 集成学习 监督分类
• 年，卷（期）: 2016,（6）
• 所属期刊栏目: 论文
• 页码范围: 692-700
• 页数: 9页
• 分类号: TN957
• 字数: 4186字
• 语种: 中文
• DOI: 10.12000/JR15132

摘要

该文提出了一种利用多特征融合和集成学习的极化SAR图像监督分类算法.该算法首先提取极化SAR图像的多重特征,包括EPFS特征,Hoekman分解特征,Huynen分解特征,H/alpha/A分解特征以及扩展四分量分解特征.为保证集成学习中基本分类器的差异性与准确性,算法从5组特征集中每次随机选取两组不同的特征进行串联融合,作为SVM分类器的输入.最后,利用随机森林学习算法将所有基本分类器的预测概率集成输出最终分类结果.像素级和区域级的分类实验表明了该文算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨祥立	武汉大学电子信息学院	8	40	4.0	6.0
2	涂尚坦		6	22	3.0	4.0
3	黄平平	内蒙古工业大学雷达技术研究所	21	142	7.0	11.0
4	孙勋	武汉大学电子信息学院	2	18	2.0	2.0