基于相似度网络融合的极化SAR图像地物分类

作者：张月; 邹焕新; 邵宁远; 秦先祥; 周石琳; 计科峰

来源：系统工程与电子技术, 2018, 40(02): 295-302.

• 极化SAR图像
• 非监督分类
• 多视学习
• 一致相似度网络融合
• 谱聚类

从极化合成孔径雷达(synthetic aperture radar,SAR)图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类,将导致部分特征向量的分类能力减弱或丧失。针对此问题,将每种特征向量看作为不同视角数据,提出了一种基于一致相似度网络融合的极化SAR图像非监督地物分类方法。首先,将极化SAR图像进行过分割,基于超像素提取5种特征向量以构建5个相似度矩阵;其次,采用一致相似度网络融合多视学习算法生成融合的相似度矩阵;然后,基于该矩阵进行谱聚类;最后,提出一种分类后处理策略修正错分像素。仿真和实测极化SAR图像地物分类结果表明,该方法性能优于其他5种经典方法。

• 单位
  空军工程大学信息与导航学院; 国防科学技术大学