《雷达学报杂志》发表论文赏析
作者:邹焕新, 李美霖, 马倩, 孙嘉赤, 曹旭, 秦先祥
单位:①.国防科技大学电子科学学院 长沙 410073;②.空军工程大学信息与导航学院 西安 710077;
摘要:针对相似度表达的困难性以及极化SAR图像中固有的相干斑噪声问题,该文提出了一种基于张量积(TPG)扩散的非监督极化SAR图像地物分类算法。张量积扩散一般用于光学图像的分割或检索,目前研究表明,其已可用于极化SAR(PolSAR)图像地物分类。基于张量积扩散可以稳健地度量数据点之间的测地线距离,因此能够更好地挖掘数据点之间内在的相似度信息。首先,将极化SAR图像进行分割,生成许多超像素;其次,基于超像素提取7种特征并生成一个特征向量,进而利用高斯核构建相似度矩阵;再次,基于已构建的相似度矩阵,利用张量积扩散沿着数据点的内在流形结构进行相似度的传播,实现全局的相似性度量,从而获得一个具有更强判别能力的相似度矩阵;最后,基于此相似度矩阵进行谱聚类以得到地物分类结果。该文在仿真和实测极化SAR图像上均进行了大量实验,并与4种经典算法进行对比,结果表明该方法可以有效地结合空间邻域相似度信息并取得更高的分类精度。
关键词:极化SAR图像, 非监督分类, 张量积图, 扩散, 超像素, 谱聚类
基金资助:国家自然科学基金(61331015, 41601436)
2019年4期其他文献查阅:
基于Pinball损失函数支持向量机的极化SAR图像鲁棒分类
基于深度卷积神经网络和条件随机场模型的PolSAR图像地物分类方法