基于加权投票集成的极化SAR图像分类方法 |
| |
引用本文: | 陈博,王爽,焦李成.基于加权投票集成的极化SAR图像分类方法[J].华中科技大学学报(自然科学版),2015(3):79-82. |
| |
作者姓名: | 陈博 王爽 焦李成 |
| |
作者单位: | 西安电子科技大学智能感知与图像理解教育部重点实验室;西安电子科技大学智能感知与计算国际联合研究中心 |
| |
基金项目: | 国家重点基础研究发展计划资助项目(2013CB329402);国家自然科学基金资助项目(61271302,61272282,61202176,61271298);高等学校博士学科点专项科研基金资助项目(20100203120005) |
| |
摘 要: | 提出了一种新的基于加权投票准则集成的极化合成孔径雷达系统(PolSAR)图像分类方法.该方法采用加权投票集成的方法根据不同个体的学习结果进行合,并从而提高极化SAR图像的分类精度.首先,输入极化图像数据并获得所需要的特征作为特征集.再从图像的每一类中选取多组像素点组成多个训练样本子集;然后,基于不同的样本子集训练学习得到不同的分类器,并对像素点进行分类得到预测标记,再由这些预测标记计算得出相应的加权系数;最后,通过加权系数将预测标记合并起来得到最终的极化SAR分类结果.实验结果证明,所提出的算法在AIRSAR和Radarsat-2数据上取得了很好的分类结果.
|
关 键 词: | 图像分类 雷达极化 监督分类 极化SAR图像分类 分类器集成 加权投票准则 |
本文献已被 CNKI 等数据库收录! |
|