基于二維PCA的極化SAR圖像分類研究.pdf

1、全極化合成孔徑雷達(Polarimetric Synthetic Aperture Radar,簡寫PolSAR)是一種獲得遙感信息的先進手段。它具備獲取多通道極化圖像的優(yōu)越性,有利于理解和定義散射機理,提高目標探測、識別和分類能力,有利于抑制雜波,提高抗干擾能力。極化合成孔徑雷達的出現(xiàn),擴展了對系統(tǒng)的應用范圍,在采集地表物理和電磁結(jié)構(gòu)信息的應用上發(fā)揮著越來越重要的作用。
　　極化SAR圖像分類是極化SAR數(shù)據(jù)處理中的一個重要問題

2、,也是一個棘手的問題。它主要包含兩個方面:特征提取與類別劃分。相比于單極化合成孔徑雷達,全極化SAR更完整的表現(xiàn)了目標后向散射信息,不僅提供了各個極化通道的幅度和相位信息,還提供了各個通道間的相對信息。利用這些信息,可以給極化 SAR圖像分類帶來更好的效果。然而,無論是國外還是國內(nèi),極化信息都沒有得到充分的利用,分類的精度和力度都需要提高。此外,隨著數(shù)據(jù)處理工具的增加,近年來出現(xiàn)了一些新的數(shù)據(jù)處理信息方法,如主成份分析(PCA)、兩維主

3、成份分析(二維 PCA)等,將這些新的方法將被用于在極化分類,可以提高極化 SAR圖像的分類效果。
　　本文在充分利用極化信息的基礎上,引入兩維主分量分析,并結(jié)合Freemn分解的目標散射特性,最終用于分類,可以提高分類效果。主要包括一下三方面內(nèi)容:
　　1.提出基于二維PCA的極化SAR圖像分類方法。該方法將二維PCA用在極化SAR特征提取上,并考慮了鄰近區(qū)域散射特性的相關性,有效的并自適應獲得分類數(shù),并取得良好的效果,該

4、方法屬于無監(jiān)督分類。
　　2.提出基于二維PCA和Freeman分解的極化SAR圖像分類方法。該方法將Freeman分解和二維PCA進行了有效結(jié)合,將二維PCA降維特征作為最終的分類標準。該方法在分類是先用 Freeman分解作為初始類別劃分,在初始類別上對目標進行降維,有效的提高了分類精度。該方法自適應分類,且具有很好的抗噪性。
　　3.提出一種基于二維KPCA和Freeman分解的極化SAR圖像分類方法。首先,根據(jù) Fr