西安电子科技大学学报(自然科学版)
西安電子科技大學學報(自然科學版)
서안전자과기대학학보(자연과학판)
JOURNAL OF XIDIAN UNIVERSITY(NATURAL SCIENCE)
2015年
2期
199-205
,共7页
崔浩贵%刘涛%单鸿昌%蒋宇中%高俊
崔浩貴%劉濤%單鴻昌%蔣宇中%高俊
최호귀%류도%단홍창%장우중%고준
极化合成孔径雷达%乘积模型%矩阵对数累积量%模型辨识
極化閤成孔徑雷達%乘積模型%矩陣對數纍積量%模型辨識
겁화합성공경뢰체%승적모형%구진대수루적량%모형변식
polarimetric synthetic aperture radar%product model%matrix log-cumulant%model recognition
多变量乘积模型在极化合成孔径雷达(Polarimetric Synthetic Aperture Radar,PolSAR)图像建模领域中应用广泛,其纹理分量统计模型的选择直接影响到拟合的准确性。针对多变量乘积模型纹理分量分布的选择问题,提出了一种基于矩阵对数累积量(Matrix Log-Cumulant,MLC)的 PolSAR 图像统计模型无监督辨识方法。该方法首先将二阶和三阶 MLC平面进行着色,然后将 PolSAR数据投射到该平面上,根据像素点所在区域的颜色来辨识其对应的统计分布模型。新方法的优点是对全图中各区域的统计模型有简洁、宏观的辨识结果,能为后续的分类识别和目标检测等图像解译手段提供重要支撑。最后,用仿真数据和实测数据对该方法进行了分析。实验结果表明,该方法能实现对图像中不同区域分布模型的有效辨识。
多變量乘積模型在極化閤成孔徑雷達(Polarimetric Synthetic Aperture Radar,PolSAR)圖像建模領域中應用廣汎,其紋理分量統計模型的選擇直接影響到擬閤的準確性。針對多變量乘積模型紋理分量分佈的選擇問題,提齣瞭一種基于矩陣對數纍積量(Matrix Log-Cumulant,MLC)的 PolSAR 圖像統計模型無鑑督辨識方法。該方法首先將二階和三階 MLC平麵進行著色,然後將 PolSAR數據投射到該平麵上,根據像素點所在區域的顏色來辨識其對應的統計分佈模型。新方法的優點是對全圖中各區域的統計模型有簡潔、宏觀的辨識結果,能為後續的分類識彆和目標檢測等圖像解譯手段提供重要支撐。最後,用倣真數據和實測數據對該方法進行瞭分析。實驗結果錶明,該方法能實現對圖像中不同區域分佈模型的有效辨識。
다변량승적모형재겁화합성공경뢰체(Polarimetric Synthetic Aperture Radar,PolSAR)도상건모영역중응용엄범,기문리분량통계모형적선택직접영향도의합적준학성。침대다변량승적모형문리분량분포적선택문제,제출료일충기우구진대수루적량(Matrix Log-Cumulant,MLC)적 PolSAR 도상통계모형무감독변식방법。해방법수선장이계화삼계 MLC평면진행착색,연후장 PolSAR수거투사도해평면상,근거상소점소재구역적안색래변식기대응적통계분포모형。신방법적우점시대전도중각구역적통계모형유간길、굉관적변식결과,능위후속적분류식별화목표검측등도상해역수단제공중요지탱。최후,용방진수거화실측수거대해방법진행료분석。실험결과표명,해방법능실현대도상중불동구역분포모형적유효변식。
The multi-variant product model is widely applied in the field of PolSAR imagery,whose selection of texture component directly affects the modelwhose accuracy.Aimed at the problem of statistical model recognition for the texture component,an unsupervised method based on covariance matrix log-cumulants (MLC) is proposed.This method colors the second and third MLCs plane,then the PolSAR data are proj ected on the plane,and the statistical model is distinguished by the color of the pixels.The main advantage of the new method is to give a simple and macroscopic result,which can provide important support for the subsequent target detection,identification and classification of PolSAR data.Finally, experiments on the new method are made using simulated data and real PolSAR data and the results show that the new estimator is effective and robust.