航天返回与遥感
航天返迴與遙感
항천반회여요감
SPACECRAFT RECOVERY & REMOTE SENSING
2013年
2期
50-56
,共7页
极化SAR%分类%Cloude分解%Freeman分解%支持矢量机%航天遥感
極化SAR%分類%Cloude分解%Freeman分解%支持矢量機%航天遙感
겁화SAR%분류%Cloude분해%Freeman분해%지지시량궤%항천요감
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(Support Vector Machine,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.
極化SAR圖像分類是新體製雷達應用研究中的一類基礎前沿問題.文章提齣瞭一種基于目標分解及支持矢量機(Support Vector Machine,SVM)的極化SAR圖像分類方法.首先根據Cloude分解和Freeman分解兩種方法提取極化SAR圖像的多類散射特徵,從而構造齣圖像各像素的特徵嚮量.接著利用樣本區域像素的特徵嚮量對SVM進行訓練,穫得經訓練的SVM.最後,以各待分類像素的特徵嚮量為輸入,利用經訓練的SVM即可完成極化SAR圖像的分類.對兩幅AIRSAR實測極化SAR圖像數據分類的結果錶明,文章方法能夠有效地利用多類散射特徵的互補信息,具有較高的分類精度.
겁화SAR도상분류시신체제뢰체응용연구중적일류기출전연문제.문장제출료일충기우목표분해급지지시량궤(Support Vector Machine,SVM)적겁화SAR도상분류방법.수선근거Cloude분해화Freeman분해량충방법제취겁화SAR도상적다류산사특정,종이구조출도상각상소적특정향량.접착이용양본구역상소적특정향량대SVM진행훈련,획득경훈련적SVM.최후,이각대분류상소적특정향량위수입,이용경훈련적SVM즉가완성겁화SAR도상적분류.대량폭AIRSAR실측겁화SAR도상수거분류적결과표명,문장방법능구유효지이용다류산사특정적호보신식,구유교고적분류정도.
