10.3969/j.issn.1001-2400.2015.02.008
贝叶斯集成框架下的极化SAR图像分类
对于极化合成孔径雷达(SAR)图像,由于雷达角度和地物形状导致属于同一类的数据可能存在较大的差异性。针对此问题提出了一种基于贝叶斯集成框架的极化 SAR图像分类方法。该算法采用贝叶斯集成,通过学习不同个体而获得的分类面来改善极化 SAR图像分类性能。首先,输入极化 SAR图像,并获得其对应的极化 SAR数据及特征。从图像的每一类中任意选择像素点作为图像分类的原始训练样本,并对其进行随机划分获得不同的样本子集。然后,基于获得的样本子集构造对应极化 SAR图像的贝叶斯集成框架。最后,通过构造的贝叶斯集成框架对极化 SAR 图像进行分类。特别在构造贝叶斯集成框架中采用支撑矢量机作为基本的分类器算法。实验结果表明,所提出的算法相比经典的极化 SAR 分类方法和单个 SVM的极化 SAR分类方法获得更好的分类性能。
极化合成孔径雷达、图像分类、贝叶斯集成
TP751(遥感技术)
国家重点基础研究发展计划资助项目2013CB329402;国家自然科学基金资助项目61271302,61272282,61202176,61271298;国家教育部博士点基金资助项目20100203120005
2015-04-27(万方平台首次上网日期,不代表论文的发表时间)
共7页
45-51