基于邻域最小生成树的半监督极化SAR图像分类方法

作     者：滑文强 王爽 郭岩河 谢雯 HUA Wenqiang;WANG Shuang;GUO Yanhe;XIE Wen

作者机构：西安邮电大学计算机学院西安710121 西安邮电大学陕西省网络数据分析与智能处理重点实验室西安710121 智能感知与图像理解教育部重点实验室国际智能感知与计算联合研究中心西安电子科技大学西安710071 

出 版 物：《雷达学报（中英文）》 (Journal of Radars)

年 卷 期：2019年第8卷第4期

页      面：458-470页

核心收录：

学科分类：080904[工学-电磁场与微波技术] 0810[工学-信息与通信工程] 0809[工学-电子科学与技术（可授工学、理学学位）] 08[工学] 081105[工学-导航、制导与控制] 081001[工学-通信与信息系统] 081002[工学-信号与信息处理] 0825[工学-航空宇航科学与技术] 0811[工学-控制科学与工程] 

基　　金：国家自然科学基金面上项目(61771379) 陕西省普通高等学校重点学科专项 

主　　题：极化SAR图像 地物分类 半监督 最小生成树 

摘      要：该文针对极化SAR图像分类中只有少量标记样本的问题,提出了一种基于邻域最小生成树的半监督极化SAR图像分类方法。该方法针对极化SAR图像以像素为分类对象的特点,结合自训练方法的思想,利用极化SAR图像像素点的空间信息,提出了基于邻域最小生成树辅助学习的样本选择策略,增加自训练过程中被选择无标记样本的可靠性,扩充标记样本数量,训练更好的分类器。最终用训练好的分类器对极化SAR图像进行测试。对3组真实的极化SAR图像进行测试,实验结果表明,该方法在只有少量标记样本的情况下能获得满意的分类结果,且分类正确率明显优于传统的分类算法。