一种特征选择的全极化雷达影像分类方法

作者：张继超; 刘宁; 宋伟东; 李建飞

来源：测绘科学, 2022, 47(06): 127-134.

DOI：10.16251/j.cnki.1009-2307.2022.06.016

• 极化分解
• 特征选择
• 信息增益比
• CFS算法
• CART分类
• PolSAR

针对极化合成孔径雷达(PolSAR)影像面向对象分类过程中存在数据冗余、特征维数高导致分类精度降低的问题，该文提出了一种基于信息增益比和基于相关性的特征选择(CFS)算法的分类方法。该方法首先在经典的过滤式CFS算法基础上，引入信息增益比评估模型舍弃贡献小的特征。然后采用目前流行的封装式分类回归树(CART)算法做进一步筛选并分类。最后以GF-3不同场景和成像时间的影像数据为例进行实验，将该方法与信息增益比评估模型优化特征集、CFS算法优化特征集、全部特征集的CART分类结果进行对比。结果表明，该方法各项精度评价指标均优于其他对比方法，验证了该方法在PolSAR影像面向对象分类领域的可行性。

• 单位
  辽宁工程技术大学