本文關(guān)鍵詞： 極化合成孔徑雷達(dá) 特征選擇 非監(jiān)督分類 譜聚類　出處：《信號處理》2016年06期 　論文類型：期刊論文

【摘要】：非監(jiān)督分類是極化SAR圖像解譯的重要手段,但其分類結(jié)果易受到高維特征的影響。針對此問題,本文提出一種結(jié)合特征選擇和大尺度譜聚類的極化SAR圖像非監(jiān)督分類方法。該方法首先深入分析并提取了極化SAR圖像分類中常用的特征參數(shù),包括基于測量數(shù)據(jù)及其簡單線性變換的特征和極化目標(biāo)分解的特征。然后通過聚類森林特征選擇算法進(jìn)行特征降維處理,去除冗余信息。最后利用過分割產(chǎn)生代表點并構(gòu)建原始數(shù)據(jù)與代表點間的二分圖,通過大尺度譜聚類算法完成圖像的非監(jiān)督分類。實驗結(jié)果表明,該方法能夠選取有效的特征組合,并得到較為滿意的分類效果。
[Abstract]:Unsupervised classification is an important means of polarimetric SAR image interpretation, but its classification results are easily affected by high-dimensional features. In this paper, an unsupervised classification method for polarimetric SAR images based on feature selection and large-scale spectral clustering is proposed. Firstly, the commonly used feature parameters in polarimetric SAR image classification are analyzed and extracted. It includes the features based on the measurement data and its simple linear transformation, and the feature of polarization target decomposition. Then, the feature reduction dimension is processed by clustering forest feature selection algorithm. The redundant information is removed. Finally, the representative points are generated by over-segmentation and the binary graph between the original data and the representative points is constructed, and the unsupervised classification of the images is accomplished by large-scale spectral clustering algorithm. The experimental results show that, The method can select effective feature combinations and obtain satisfactory classification results.
【作者單位】： 武漢大學(xué)電子信息學(xué)院;上海衛(wèi)星工程研究所;內(nèi)蒙古工業(yè)大學(xué)雷達(dá)技術(shù)研究所;
【基金】：國家自然科學(xué)基金(61271401,41501414) 復(fù)旦大學(xué)電磁波信息科學(xué)教育部重點實驗室開放基金項目(EMW201504)
【分類號】：TN957.52

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 付毓生;謝艷;皮亦鳴;侯印鳴;;基于獨立分量分析的極化SAR圖像非監(jiān)督分類方法[J];電波科學(xué)學(xué)報;2007年02期

2 沈璐璐;蔡麗娜;;基于非監(jiān)督分類的遙感信息提取方法嘗試[J];硅谷;2010年14期

3 岳江;張毅;徐杭威;柏連發(fā);;一種基于空間一致性降元的高光譜圖像非監(jiān)督分類[J];光譜學(xué)與光譜分析;2012年07期

4 劉娜娜;李景文;李寧;;基于圖論分割的多光譜圖像非監(jiān)督分類方法[J];北京航空航天大學(xué)學(xué)報;2009年05期

5 魏從玲;符麗萍;;非監(jiān)督分類中初始聚類中心法的比較研究[J];測繪工程;2009年01期

6 孫秀波,孫國龍,楊倫;在MapInfo中實現(xiàn)數(shù)字化地圖“非監(jiān)督分類”[J];遼寧工程技術(shù)大學(xué)學(xué)報;2005年S1期

7 尹黎明,盧玉東,潘劍君,姜小三,譚欽文;基于多波段組合技術(shù)的土地利用/覆蓋信息提取研究[J];遙感信息;2005年05期

8 吳昊,郁文賢,匡綱要;一種基于混合概率PCA模型的高光譜圖像非監(jiān)督分類方法[J];國防科技大學(xué)學(xué)報;2005年02期

9 吳昊,郁文賢,匡綱要,李智勇;一種模型選擇優(yōu)化準(zhǔn)則及其在高光譜圖像非監(jiān)督分類中的應(yīng)用[J];電子學(xué)報;2003年S1期

10 薛星宇;劉紅玉;;基于ALOS影像的鹽城海濱濕地遙感信息分類方法研究[J];遙感技術(shù)與應(yīng)用;2012年02期

相關(guān)會議論文 前2條

1 秦臻;汪云甲;闞俊峰;李曉霞;;基于RS和GIS的徐州市城市擴(kuò)張及驅(qū)動力研究[A];江蘇省測繪學(xué)會2011年學(xué)術(shù)年會論文集[C];2011年

2 曹芳;洪文;吳一戎;;基于SPAN／H／alpha／A和復(fù)Wishart分割的全極化SAR數(shù)據(jù)的非監(jiān)督分類算法研究[A];第二屆微波遙感技術(shù)研討會摘要全集[C];2006年

相關(guān)博士學(xué)位論文 前3條

1 岳江;高信噪比窄帶光譜數(shù)據(jù)獲取與非監(jiān)督分類技術(shù)研究[D];南京理工大學(xué);2014年

2 曹芳;基于Cloude-Pottier分解的全極化SAR數(shù)據(jù)非監(jiān)督分類的算法和實驗研究[D];中國科學(xué)院研究生院（電子學(xué)研究所）;2007年

3 吳昊;高光譜遙感圖像數(shù)據(jù)分類技術(shù)研究[D];國防科學(xué)技術(shù)大學(xué);2004年

相關(guān)碩士學(xué)位論文 前9條

1 李怡;基于RS的高山峽谷區(qū)土地利用/覆蓋分類研究[D];四川農(nóng)業(yè)大學(xué);2008年

2 王敏;非監(jiān)督分類的衛(wèi)星影像上居民地特征提取研究[D];昆明理工大學(xué);2005年

3 錢茹茹;遙感影像分類方法比較研究[D];長安大學(xué);2007年

4 李少蘭;基于高精度遙感圖像的多種土地利用分類方法研究[D];西北農(nóng)林科技大學(xué);2012年

5 馮宗敏;基于時頻分解的POLSAR圖像非監(jiān)督分類方法研究[D];首都師范大學(xué);2014年

6 于洋;基于遙感信息的濱海新區(qū)濕地變化的分析[D];天津大學(xué);2012年

7 付鵬;不同信息源和方法提取積雪面積的比較研究[D];西北師范大學(xué);2012年

8 謝艷;極化合成孔徑雷達(dá)圖像分類[D];電子科技大學(xué);2006年

9 肖劍偉;基于多光譜影像的巖性信息提取技術(shù)研究[D];中國地質(zhì)大學(xué)（北京）;2008年

，

本文編號：1517554