《雷达学报杂志》发表论文赏析
作者:滑文强, 王爽, 郭岩河, 谢雯
单位:①.西安邮电大学计算机学院 西安 710121;②.西安邮电大学陕西省网络数据分析与智能处理重点实验室 西安 710121;③.智能感知与图像理解教育部重点实验室 国际智能感知与计算联合研究中心西安电子科技大学 西安 710071;
摘要:该文针对极化SAR图像分类中只有少量标记样本的问题,提出了一种基于邻域最小生成树的半监督极化SAR图像分类方法。该方法针对极化SAR图像以像素为分类对象的特点,结合自训练方法的思想,利用极化SAR图像像素点的空间信息,提出了基于邻域最小生成树辅助学习的样本选择策略,增加自训练过程中被选择无标记样本的可靠性,扩充标记样本数量,训练更好的分类器。最终用训练好的分类器对极化SAR图像进行测试。对3组真实的极化SAR图像进行测试,实验结果表明,该方法在只有少量标记样本的情况下能获得满意的分类结果,且分类正确率明显优于传统的分类算法。
关键词:极化SAR图像, 地物分类, 半监督, 最小生成树
基金资助:国家自然科学基金面上项目(61771379),陕西省普通高等学校重点学科专项
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