基于目標(biāo)分解與機器學(xué)習(xí)的極化SAR圖像地物分類.pdf

1、極化合成孔徑雷達（Polarimetric Synthetic Aperture Radar，PolSAR）采用不同極化工作方式，通過交替發(fā)射與接收雷達信號，能夠得到一個與目標(biāo)相關(guān)的2×2復(fù)矩陣，這個矩陣反應(yīng)了目標(biāo)的幅度信息、相位信息和散射信息等。因而，極化SAR成為一種重要的對地和對空觀測手段。目前為止，極化SAR系統(tǒng)在目標(biāo)識別領(lǐng)域和圖像解譯方面有著非常廣泛的應(yīng)用，包括城市規(guī)劃、資源勘探、災(zāi)情監(jiān)測、目標(biāo)檢測、植被生長、軍事目標(biāo)精準(zhǔn)打擊

2、等。在遙感圖像解譯和信息處理領(lǐng)域，地物分類已經(jīng)成為世界各國學(xué)者研究的一大熱門課題，但我國還處于遙感圖像解譯的初級階段。本文從地物目標(biāo)的特征提取和地物目標(biāo)分類這兩個重要方面開展工作，所做的主要內(nèi)容如下：
　　（1）對極化SAR系統(tǒng)的應(yīng)用及其價值進行分析和研究。詳細(xì)介紹了極化SAR圖像分類的理論基礎(chǔ)、發(fā)展史；同時指出了極化SAR圖像分類將會面臨的嚴(yán)峻考驗。
　　（2）提出了一種基于極化目標(biāo)分解和支持向量機（Support Vec

3、tor Machine，SVM）的極化SAR圖像地物分類方法。針對傳統(tǒng)分類方法只能使用單一特征進行分類的缺點，采用Cloude分解得到三種散射特征、Freeman分解得到四種特征，選擇好訓(xùn)樣樣本和測試樣本之后，進行對SVM的訓(xùn)練。當(dāng)訓(xùn)練完成之后對整幅圖進行預(yù)測與分類。實驗仿真結(jié)果表明，該方法簡單高效，具有較高的分類精度，使用組合特征比單一特征的準(zhǔn)確率要高出6.5％左右。
　?。?）提出了一種基于極化目標(biāo)分解和極限學(xué)習(xí)機（Extre