基于集成學(xué)習(xí)的PolSAR標(biāo)簽噪聲研究.pdf

1、極化合成孔徑雷達(dá)（Polarimetric Synthetic Aperture Radar，PolSAR）是一種多參數(shù)、多通道的成像雷達(dá)系統(tǒng)，因其全天時(shí)，全天候，高分辨的優(yōu)勢而得到廣泛的應(yīng)用?；跈C(jī)器學(xué)習(xí)的 PolSAR圖像分類方法取得了很高的分類精度，但是當(dāng)有標(biāo)簽噪聲存在時(shí)，分類結(jié)果會(huì)受到很大的影響。
　　本文基于集成學(xué)習(xí)，針對 PolSAR圖像分類中標(biāo)簽噪聲的問題，進(jìn)行了深入的研究，主要包括以下三方面的內(nèi)容：
　　1.

2、結(jié)合 PolSAR圖像的偏振參數(shù)、散射、紋理特征，提出了一種基于AdaBoost的PolSAR圖像監(jiān)督分類算法（Knn.AdaBoost）。此方法利用PolSAR圖像的偏振參數(shù)、極化散射特征和圖像的紋理特征，作為 Ada Boos t的輸入特征，Knn.AdaBoost算法預(yù)先通過Knn計(jì)算PolSAR圖像中每個(gè)像素的抗噪因子，根據(jù)抗噪因子修改 Ada Boos t算法中的樣本權(quán)值更新策略。實(shí)驗(yàn)采用了一組模擬PolS AR數(shù)據(jù)和五組真實(shí)

3、Po lS AR數(shù)據(jù)，實(shí)驗(yàn)結(jié)果表明，K nn.Ada Boost算法提高了AdaBoo st的分類精度，具有很好的抗噪性能。
　　2.在Knn.AdaBoost的工作基礎(chǔ)上，提出了一種基于 AdaBoost的PolSAR圖像半監(jiān)督分類算法（Semi.Knn.AdaBoost）。在Knn.AdaBoost的框架下，引入Wis ha rt距離度量，在每一次迭代結(jié)束時(shí)，根據(jù)有標(biāo)記樣本計(jì)算獲得 Wis har t聚類中心，從預(yù)測標(biāo)記中選擇

4、距離Wis har t聚類中心最近的若干個(gè)樣本，分別加入對應(yīng)的類別進(jìn)入下一次迭代。實(shí)驗(yàn)采用一組模擬 PolSAR數(shù)據(jù)和五組真實(shí) PolSAR數(shù)據(jù)，結(jié)果表明，Se mi.K nn.Ada Boost豐富了訓(xùn)練樣本，分類正確率有一定的提升。
　　3.在PolSAR圖像分類問題中，提出了一種基于集成學(xué)習(xí)的標(biāo)簽噪聲水平預(yù)測方法EEL（Estimated byEnsembleLearning）。采用PolSAR圖像的相干矩陣中九個(gè)元素作為特

5、征，利用不同的分類算法，學(xué)習(xí)得到相互獨(dú)立的分類器，用這些分類器分別對標(biāo)記樣本分類，然后用多數(shù)投票和全投票的策略判定一個(gè)已標(biāo)記樣本是否是噪聲，多數(shù)投票策略即對一個(gè)樣本的預(yù)測，如果超過半數(shù)分類器的分類結(jié)果是相同的，則認(rèn)為這個(gè)已標(biāo)記樣本不是噪聲，否則是噪聲；全投票策略只認(rèn)定所有分類器投票結(jié)果相同時(shí)，此樣本才不是噪聲，否則是噪聲。實(shí)驗(yàn)采用三組UCI數(shù)據(jù)和四組模擬的PolSAR數(shù)據(jù)，結(jié)果表明，在標(biāo)簽噪聲水平比較低時(shí)，此方法能夠正確的預(yù)測，而標(biāo)簽噪