面向对象的PolSAR图像SVM分类

作     者：韩宾宾 韩萍 程争 HAN Binbin;HAN Ping;CHENG Zheng

作者机构：中国民航大学电子信息与自动化学院天津300300 中国民航大学工程技术训练中心天津300300 

出 版 物：《中国民航大学学报》 (Journal of Civil Aviation University of China)

年 卷 期：2022年第40卷第1期

页      面：21-26页

学科分类：0810[工学-信息与通信工程] 08[工学] 0814[工学-土木工程] 081002[工学-信号与信息处理] 

基　　金：中央高校基本科研业务费专项(3122019046) 

主　　题：极化合成孔径雷达(PolSAR) 面向对象 支持向量机(SVM) 超像素分割 

摘      要：极化合成孔径雷达(PolSAR,polarimetric synthetic aperture radar)图像具有强相干斑噪声和大场景特点,为此提出一种面向对象的支持向量机(SVM, support vector machine)分类算法。算法首先通过超像素分割产生待分类对象,以此减少分类处理单元,同时实现特征滤波降噪;然后通过转换矩阵提取信息完备且具有简单统计描述的雷达散射截面积特征;最后,选择在小样本条件下仍具有较强学习能力和泛化能力的SVM分类器实现图像分类。用公开的实测San Francisco数据进行实验,实验结果表明:该算法相对于对比算法在准确率上提升约10%。