基于邻域最小生成树的半监督极化SAR图像分类方法

• 作者: 滑文强 王爽 谢雯 郭岩河
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: 极化SAR图像 地物分类 半监督 最小生成树
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: SAR图像智能解译专题
• 页码范围: 458-470
• 页数: 13页
• 分类号: TN958
• 字数: 6057字
• 语种: 中文
• DOI: 10.12000/JR18104

摘要

该文针对极化SAR图像分类中只有少量标记样本的问题,提出了一种基于邻域最小生成树的半监督极化SAR图像分类方法.该方法针对极化SAR图像以像素为分类对象的特点,结合自训练方法的思想,利用极化SAR图像像素点的空间信息,提出了基于邻域最小生成树辅助学习的样本选择策略,增加自训练过程中被选择无标记样本的可靠性,扩充标记样本数量,训练更好的分类器.最终用训练好的分类器对极化SAR图像进行测试.对3组真实的极化SAR图像进行测试,实验结果表明,该方法在只有少量标记样本的情况下能获得满意的分类结果,且分类正确率明显优于传统的分类算法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	滑文强	西安邮电大学计算机学院	3	2	1.0	1.0
5	王爽		3	32	2.0	3.0
6	郭岩河		1	2	1.0	1.0
7	谢雯	西安邮电大学计算机学院	1	2	1.0	1.0