论文部分内容阅读
极化SAR(Polarimetric Synthetic Aperture Radar)，全称为极化合成孔径雷达，是一种相干多通道、全天候雷达成像系统。其通过测量每个分辨单元内的全极化散射回波得到目标的极化特性，例如极化散射矩阵、Stokes矩阵及极化相干矩阵等。极化SAR获得了丰富的目标地物信息特征，使极化SAR图像分类成为国内外学者研究的重点。本文主要研究极化SAR图像分类，以极化散射分解和图像纹理特征为基础，结合DPMM和SVM方法提出改进的极化SAR图像分类方法，主要有以下三个方面的内容：1.提出了基于SDITF(Scattering Decomposition and Image Texture Features)和SVM的极化SAR图像监督分类方法。本方法充分挖掘了极化SAR图像的特征信息，从极化散射分解特性和图像纹理特征两个方面入手。(1)分解极化散射矩阵可以得到散射体的能量、相位及极化等特性，其中包含了大量可以利用的信息；(2)通过合成的极化SAR图像可以作为一般的自然图像理解，得到具有空间信息的图像纹理特征。将两者有效结合，形成了极化SAR图像分类的高维新特征SDITF。使用SVM分类器经实验说明，在少量标记样例下，具有较高的分类结果。2.提出了基于DPMM和SDITF的极化SAR图像无监督分类方法。在SDITF的基础上，针对遥感极化SAR图像标记样例不足且地面覆盖物复杂等问题，引入了狄利克雷过程混合模型(DPMM)。DPMM最大优点是一种非参数化的贝叶斯方法，而且类别数目无需人为指定，通过实验比较该方法有自己的优势，同时具备较好的结果。3.在工作2的基础上，提出了基于DPMM和SDITF的极化SAR图像半监督分类方法。本方法加入了少量已标记样例，利用工作2的无监督方法增加标记样例个数，再使用SVM分类器进行分类。实验说明，该方法的结果精度有一定的提高。