基于联合特征和SVM的极化SAR图像分类方法

• 作者: 卢春燕 马騳骉
• 来源期刊: 无线电工程
• 学科: 工学
• 关键词: 航天遥感 极化SAR 目标分解理论 支持矢量机
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 信号与信息处理
• 页码范围: 31-34,46
• 页数: 5页
• 分类号: TP751
• 字数: 2564字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-3106.2017.03.08

摘要

极化SAR地物分类作为极化SAR数据解译的关键环节,已成为遥感领域研究的一个新热点.在充分研究现有方法的基础上,给出了一种联合特征和SVM相结合的极化SAR图像分类方法.该方法基于目标分解理论提取极化SAR图像的多类散射特征,并结合具有上下文知识的纹理特征,构建联合特征矢量;利用提取样本区域像素的联合特征矢量训练SVM分类器;将未知数据输入训练好的分类器完成最终的分类.实测SAR图像数据的实验结果表明,算法能够充分利用极化SAR图像电磁散射特性及纹理特征的互补性,具有较好的分类性能.