《雷达学报杂志》发表论文赏析
作者:滑文强, 王爽, 侯彪
单位:1.(智能感知与图像理解教育部重点实验室 西安 710071);2.(西安电子科技大学国际智能感知与计算联合研究中心 西安 710071);
摘要:该文针对极化SAR (Synthetic Aperture Radar)图像分类中的小样本问题,提出了一种新的半监督分类算法。考虑到极化SAR数据反映了地物的散射特性,该方法首先利用目标分解方法提取了多种极化散射特征;其次,在协同训练框架下结合SVM分类器构建了协同半监督模型,该模型可以同时利用有标记和无标记样本对极化SAR图像进行分类,从而在小样本时可以获得更好的分类精度;最后,为进一步改善分类结果,在协同训练分类完成后,该方法又利用Wishart分类器对分类结果进行修正。理论分析与实验表明,该算法在只有少量标记样本的情况下优于传统算法。
关键词:极化SAR, 地物分类, 半监督学习, 协同训练, 支持向量机
基金资助:国家自然科学基金(61173092, 61271302)和陕西省科学技术研究发展计划项目(2013KJXX-64)资助课题
2015年1期其他文献查阅:
基于稀疏矩阵和相关函数联合优化的MIMO-OFDM线性调频波形复用设计与实现方法
基于半监督学习的SVM-Wishart极化SAR图像分类方法