-
题名基于SVM和能量最小化的PolSAR图像分类方法
被引量：8
- 1
-
-
作者
杨成财
余慧庄
龙郝明
-
机构
南京电子技术研究所
-
出处
《电子测量技术》
2020年第3期146-152,共7页
-
文摘
极化合成孔径雷达(PolSAR)采用全极化的工作方式可以获取地物的多种特征,利用这些特征对地物进行分类是PolSAR图像的重要应用方向。不同的特征和分类器对分类精度有着较大的影响。提出了一种基于支持向量机(SVM)和能量最小化(EM)的极化SAR图像地物分类方法。该方法选择基于6种散射模型的分解方法(6SD)所得的6部分散射能量、总散射能量span和3个极化相干矩阵旋转域角参数作为SVM的输入,得到图像分类结果,并使用基于图割的能量最小化算法α-expansion对分类结果进行优化。最后使用AIRSAR系统获得的Flevoland地区的数据进行实验,结果表明所提算法可以提高总体分类精度,总体分类精度为95.6%,高于其他方法的92.3%。所提算法可以较大幅度地提高散射机理明显的区域,如建筑、森林、水域、草地等区域的分类精度。另外,结合EM优化结果可以提高所有种类的分类精度,其中在苜蓿、小麦1、小麦2、裸地、草地、油菜籽等区域的分类精度可提高1%以上。
-
关键词
极化合成孔径雷达
基于6种散射模型的分解方法
旋转域角参数
支持向量机
能量最小化
-
Keywords
polarimetric synthetic aperture radar
model-based six-component decomposition
angle parameters of polarimetric coherency matrix in rotation domain
support vector machine
energy minimization
-
分类号
TN959.3
[电子电信—信号与信息处理]
-
