基于目标分解和SVM的极化SAR图像分类方法

《基于目标分解和SVM的极化SAR图像分类方法》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、航天返回与遥感第34卷第2期50SPACECRAFTRECOVERY&REMOTESENSING2013年4月基于目标分解和SVM的极化SAR图像分类方法赵一博秦先祥邹焕新(国防科技大学电子科学与工程学院，长沙410073)摘要极化SAR图像分类是新体制雷达应用研究中的一类基础前沿问题。文章提出了一种基于目标分解及支持矢量机(SupportVectorMachine，SVM)的极化SAR图像分类方法。首先根据Cloude分解和Freeman分解两种方法提取极化SAR图像的多类散射特征，从而构造出图像各像素的特征向量。接着利用样本区域像素的特征向量对SVM进行训

2、练，获得经训练的SVM。最后，以各待分类像素的特征向量为输入，利用经训练的SVM即可完成极化SAR图像的分类。对两幅AIRSAR实测极化SAR图像数据分类的结果表明，文章方法能够有效地利用多类散射特征的互补信息，具有较高的分类精度。关键词极化SAR分类Cloude分解Freeman分解支持矢量机航天遥感中图分类号：TP751．1文献标志码：A文章编号：1009—8518(2013)02—0050—07DOI：lO．3969／j．issn．1009—8518．2013．02．008ClassificationofPolarimetricSARImageBased

3、onTargetDecompositionandSVMZHAOYiboQINXianxiangZOUHuanxin(SchoolofElectronicScienceandEngineering，NationalUniversityofDefenseTechnology,Changsha410073，China)AbstractClassificationofpolarimetricsyntheticapertureradar(PolSAR)imageiSafrontierresearchtopicoftheapplicationofnewsystemrada

4、r．Inthispaper,analgorithmofclassificationofPolSARimagesisproposedbasedontargetdecompositionandsupportvectormachine(SVM)．Firstly,severalscatteringcharac—teristicsofPolSARimageareextractedtof01-Inthecharactervectorofeachpixelbyusingtwodecompositionmethods，namely,Cloudedecompositionand

5、Freemanone．Then，theSVMiStrainedwiththecharacteristicvectorofthepixelsinthesampleareas．Finally,withthecharactervectoras也einputofthetrainedSVM．theclassificationofPolSARimageiScompleted．TheexperimentalresultsontworealPolSARimagesfromtheAIRSARsystemdemonstratethattheproposedmethodcanuti

6、lizethecomplementaryinformationofvariouscharacteristicsandshowsahighclassificationprecision．Keywordspolarimetricsyntheticapertureradar；classification；Cloudedecomposition；Freemande—composition；supportvectormachine；spaceremotesensing引言极化SAR图像的分类研究是当前SAR图像解译领域的一个热点研究课题‘卜31。极化目标分解是提取极化S

7、AR图像中目标特征的有效方法。自1970年Huynen首次提出极化目标分解的概念以来，目标分解方法受到了广大学者的重视，并经几十年的发展，产生了很多有意义的成果‘3。4]。收稿日期：2012一01—24基金项目：国家重大科技专项工程第2期赵一博等：基于目标分解和SVM的极化SAR图像分类方法51极化目标分解方法尤其是Cloude分解和Freeman分解方法在极化SAR图像分类算法研究中得到广泛应用。Cloude等人通过分解所得的熵H和散射角湘成的平面中进行区域划分，得到不同散射属性的8类分类结果[3】。Lee等人结合Cloude分解与Wishart分类器，得到

8、了分类精度更高的方法[5】。此外，Le