基于低秩方法的極化SAR圖像分類方法.pdf

1、當(dāng)前,極化合成孔徑雷達(dá)( Polarimetric Synthetic Aperture Radar)已成為國際對地觀測領(lǐng)域的重要方向之一。極化SAR有單極化和全極化之分,單極化SAR圖像的處理是遙感技術(shù)應(yīng)用里非常重要的部分,而與單極化SAR相比的全極化SAR圖像能夠提供更多的地物信息。地物分類是極化SAR圖像的重要方向之一,有利于人們對極化圖像的理解以及挖掘圖像中的隱含的信息。
　　本文主要研究基于低秩表示( LRR)的極化SA

2、R圖像分類方法。低秩表示的方法可以解決子空間的分類問題,本文首先進(jìn)行特征提取,然后通過低秩表示對特征空間進(jìn)行劃分,最后對低秩表示系數(shù)進(jìn)行聚類,獲取聚類結(jié)果。主要工作如下:
　　1.提出了一種基于低秩表示的單幅圖SAR圖像分割方法和多幅圖分類方法。分割方法首先進(jìn)行過分割,然后提取特征,最后分割,得到分割結(jié)果;多幅圖的分類方法對輸入的每幅子圖像進(jìn)行小波分解,并求小波能量構(gòu)建特征矩陣,然后對特征矩陣進(jìn)行低秩處理,獲取低秩系數(shù),對低秩系數(shù)

3、進(jìn)行聚類,最后計算聚類結(jié)果,該方法相對于其他的一些經(jīng)典的聚類方法能夠更好的提高聚類正確率。
　　2.提出了一種基于超像素低秩表示的全極化SAR圖像分類方法。該方法將目標(biāo)的極化特征基于傳統(tǒng)的Freeman分解,得三種散射機(jī)制;用超像素對極化SAR圖像進(jìn)行預(yù)分割處理,將圖像分割為互不重疊的小區(qū)域,這個小區(qū)域也就是所說的超像素;根據(jù)Freeman分解得到的散射機(jī)制,對所有超像素分別提取對應(yīng)的特征向量,并構(gòu)建特征矩陣;對特征矩陣進(jìn)行低秩表

4、示;然后對低秩系數(shù)進(jìn)行聚類,獲取聚類結(jié)果;最后,采用Wishart分類器做最后的調(diào)整。與已有的經(jīng)典極化SAR分類方法相比,該方法提高了一定的分類精度,并具有較強(qiáng)的普適性。
　　3.提出了一種基于超像素的潛在低秩表示( LAT_LRR)的全極化SAR圖像分類方法。該方法的框架與上一章提出的方法類似,這章主要是用潛在低秩表示來對特征矩陣來求解表示系數(shù),潛在低秩表示相比低秩表示,它更具魯棒性。與已有的經(jīng)典全極化SAR分類方法相比,也是具