基于Pinball损失函数支持向量机的极化SAR图像鲁棒分类

• 作者: 张思雨 张腊梅 朱厦 董洪伟
• 来源期刊: 雷达学报
• 学科: 工学
• 关键词: 极化SAR 分类算法 Pin-支持向量机 鲁棒学习
• 年，卷（期）: 2019,（4）
• 所属期刊栏目: SAR图像智能解译专题
• 页码范围: 448-457
• 页数: 10页
• 分类号: TP391
• 字数: 4932字
• 语种: 中文
• DOI: 10.12000/JR19055

摘要

考虑到极化合成孔径雷达(PolSAR)图像标注信息量低以及相干斑噪声难以消除的问题,该文从鲁棒统计学习的角度提出了一种基于Pin-SVM的极化SAR图像鲁棒分类方法,根据极化SAR图像的散射特性和地物的纹理特性,通过求解两类样本之间的最大分位数距离来确定分类超平面,在无需迭代的前提下得到更加鲁棒的分类结果.相比传统的基于最大间隔的极化SAR图像分类算法,该文所提算法一方面在对极化SAR图像提取到的特征中包含的噪声具有更好的鲁棒性,另一方面对于训练样本的抽样范围不敏感,即重采样具有更好的鲁棒性.利用EMISAR的Foulum地区极化SAR数据进行了算法验证,多种情况的对比实验的结果验证了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张腊梅	哈尔滨工业大学电子与信息工程学院	10	110	6.0	10.0
2	张思雨	哈尔滨工业大学电子与信息工程学院	2	1	1.0	1.0
3	董洪伟	哈尔滨工业大学电子与信息工程学院	1	0	0.0	0.0
4	朱厦		2	0	0.0	0.0