一种极化SAR影像分类中的半监督降维方法

摘要：

针对极化合成孔径雷达(SAR)应用中存在的特征冗余问题,结合线性判别分析(LDA)和局部线性嵌入(LLE)的思想,提出一种半监督降维算法:半监督局部判别分析(SLDA).该算法首先基于LLE的局部保持特性建立正则项,以避免学习中的过拟合问题.然后,在标记样本集上进行正则化的判别分析,以增强算法的推广能力,同时保持所有样本点在原始空间的局部几何结构.利用RADARSAT-2和AIRSAR卫星获得的Flevoland地区的全极化SAR数据进行降维实验,结果表明SLDA提取的低维特征具有"类内紧聚,类间分离"的特性;进一步的分类实验结果表明,SLDA只需1‰～2‰的标记样本就能使分类精度达到90％左右,分类性能优于其他对比方法.

关键词：遥感、降维、半监督局部判别分析、极化合成孔径雷达、分类

所属期刊栏目：38

分类号：TP391.4(计算技术、计算机技术)

资助基金：高分辨率对地观测系统重大专项03-Y20A10-9001-15/16

在线出版日期：2018-08-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共11页

页码：336-346