极化SAR图像的聚类序列投影寻踪模型方法

《极化SAR图像的聚类序列投影寻踪模型方法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、维普资讯http://www.cqvip.com第21卷第5期电波科学学报Vo1．2l，NO．52006年10月CHINESEJOURNA1OFRADIOSCIENCE()ctober，2006文章编号1005—0388(2006)05—0682—05极化SAR图像的聚类序列投影寻踪模型方法林伟田铮(1．西北工业大学应用数学研究所，]inwei@nwpu．edu．cn，陕西西安710072；2．西北工业大学计算机学院，陕西西安710072)摘要针对极化SAR数据的分类问题，提出了序列投影寻踪模型方法进行极化SAR数据的无监督分类

2、。该方法的特点是利用目标散射的极化相似性参数来表征目标特征；通过遗传算法逐步给出投影寻踪方法中的最佳投影，以获取高雏数据的一维投影特征；进而采用EM算法估计混合模型的参数；最后由Bayes决策准则实现分类。该文对旧金山湾地区的极化SAR数据进行分类，得到了好的分类结果，实例计算结果分别与采用强度特征的无监督分类结果和直接利用散射熵一散射角分类的结果进行了比较，说明新方法对于极化sAR数据的分类具有明显的优越性。关键词序列投影寻踪模型，无监督分类，合成孔径雷达，极化相似性参数，EM算法中图分类号TP39l，TP75l文献标识码AS

3、equentialprojectionpursuitclusteringmodelforPOL-·SARdataunsupervisedclassificationLINWei、TIANZheng(1．InstituteofAppliedMathemati~．NorthwesternPolytechnit’alUniversity。xita"Sh“Cl71．~，i7l0072．Chinn：2．S(hoolofComputerSciemeand丁(hnalogy，Northz~,esternP0lytCChnicalUnivers

4、itY，xi“ItShdⅡ"ri710072，Chinn)AbstractOnresearchoftheclassificationofPOIarimetricSyntheticApertureRa—dar(PoL—SAR)data，aSequentialProjectionPursuitModel(SPPM)forunsuper—visedsegmentationofthePOI一SARimageisproposedinthispaper．Thefeaturesofthehighdimensiondataareextracte

5、doutviaorthogonalprojectionandtheclas—sificationisaccomplishedbytheBayesdecisionrule．Alsothesimilarityparametersbetweentwo—scattermatrixesarecalculatedandexpressedasthecharactersofatargetandformnewtargetcharacterizeddata．TheSPPMutilizenewtarget—charac—terizeddatatocl

6、assifythetargetintovarioussubclasses．Good—classifiedresultshavebeenobtainedfortheP0L—SARdataclasscation．TheclassifiedresultsU—singtheSPPMforthesimilarityparametersarebetterthanthoseofusingtheSP—PMfortheintenseinformationandusingthescatter—entropyandscatter—angleplane

7、．ItshowsourproposedmethodisagoodmethodinclassificationofthePOL—SARdata．*收稿日期：2005—04—06．基金项目：国家自然科学基金(60375003)；航空基础科学基金(03153059)；西北工业大学博士论文创新基金(CX200327)资助682维普资讯http://www.cqvip.com第5期林伟等：极化SAR图像的聚类序列投影寻踪模型方法683Keywordssequentialprojectionpursuitmodel(SPPM)，unsupe

8、rvisedclassification，syntheticapertureradar(SAR)，polarimetricsimilarityparameter，EMalgorithmIs]：：lI(1)1引言L，5删J极化SAR数据的丰富信息量可以提供大量地其