类别数目自动估计的极化SAR图像非监督地物分类
  • 【摘要】

    极化SAR图像的非监督地物分类是极化SAR图像解译的重要内容之一.本文提出了一种新颖的极化SAR图像非监督地物分类算法.首先,将极化SAR图像进行快速超像素分割;然后,基于超像素提取Freeman极化分解和HSI色彩两个特征向量,并直接堆叠成一个高维特征向量,进而针对分割得到的超像素基于图模型构建一个距离矩阵和一个相似度矩阵;同时提出一种改进的视觉趋势评估(Visual Assessment of... 展开>>极化SAR图像的非监督地物分类是极化SAR图像解译的重要内容之一.本文提出了一种新颖的极化SAR图像非监督地物分类算法.首先,将极化SAR图像进行快速超像素分割;然后,基于超像素提取Freeman极化分解和HSI色彩两个特征向量,并直接堆叠成一个高维特征向量,进而针对分割得到的超像素基于图模型构建一个距离矩阵和一个相似度矩阵;同时提出一种改进的视觉趋势评估(Visual Assessment of Tendency)算法基于距离矩阵以自动估计地物类别数目;再次,基于相似度矩阵采用谱聚类算法获取初始分割;最后,进行层次融合和误分超像素的类别修正.该算法能够实现地物自动非监督分类,且基于超像素分类的思想使得该算法具有较高的计算效率,并达到较高的分类精度.基于仿真和实测极化SAR图像的实验验证了本文算法的优越性. 收起<<

  • 【作者】

    张月  邹焕新  邵宁远  秦先祥  周石琳  计科峰 

  • 【作者单位】

    国防科学技术大学电子科学与工程学院

  • 【会议名称】

    第四届高分辨率对地观测学术年会

  • 【会议时间】

    2017-09-17

  • 【会议地点】

    武汉

  • 【主办单位】

    高分辨率对地观测系统重大专项管理办公室   中科院

  • 【语种】

    chi

  • 【关键词】

    极化合成孔径雷达  遥感图像  非监督地物分类  类别数目  自动估计