基于相似度网络融合的极化SAR图像地物分类

• 作者: 周石琳 张月 秦先祥 计科峰 邵宁远 邹焕新
• 来源期刊: 系统工程与电子技术
• 学科: 工学
• 关键词: 极化SAR图像 非监督分类 多视学习 一致相似度网络融合 谱聚类
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 传感器与信号处理
• 页码范围: 295-302
• 页数: 8页
• 分类号: TN957.52
• 字数: 6806字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-506X.2018.02.09

摘要

从极化合成孔径雷达(synthetic aperture radar,SAR)图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类,将导致部分特征向量的分类能力减弱或丧失.针对此问题,将每种特征向量看作为不同视角数据,提出了一种基于一致相似度网络融合的极化SAR图像非监督地物分类方法.首先,将极化SAR图像进行过分割,基于超像素提取5种特征向量以构建5个相似度矩阵;其次,采用一致相似度网络融合多视学习算法生成融合的相似度矩阵;然后,基于该矩阵进行谱聚类;最后,提出一种分类后处理策略修正错分像素.仿真和实测极化SAR图像地物分类结果表明,该方法性能优于其他5种经典方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	周石琳	国防科学技术大学电子科学与工程学院	31	267	9.0	15.0
2	计科峰	国防科学技术大学电子科学与工程学院	35	323	11.0	16.0
3	邹焕新	国防科学技术大学电子科学与工程学院	27	242	10.0	14.0
4	张月	国防科学技术大学电子科学与工程学院	7	12	3.0	3.0
5	秦先祥	空军工程大学信息与导航学院	20	22	3.0	4.0
6	邵宁远	国防科学技术大学电子科学与工程学院	2	3	1.0	1.0