基于半监督学习的SVM-Wishart极化SAR图像分类方法
该文针对极化SAR (Synthetic Aperture Radar)图像分类中的小样本问题,提出了一种新的半监督分类算法。考虑到极化SAR数据反映了地物的散射特性,该方法首先利用目标分解方法提取了多种极化散射特征;其次,在协同训练框架下结合SVM分类器构建了协同半监督模型,该模型可以同时利用有标记和无标记样本对极化SAR图像进行分类,从而在小样本时可以获得更好的分类精度;最后,为进一步改善分类结果,在协同训练分类完成后,该方法又利用Wishart分类器对分类结果进行修正。理论分析与实验表明,该算法在只有少量标记样本的情况下优于传统算法。
极化SAR、地物分类、半监督学习、协同训练、支持向量机
TN958
国家自然科学基金61173092,61271302;陕西省科学技术研究发展计划项目2013KJXX-64资助课题
2015-04-21(万方平台首次上网日期,不代表论文的发表时间)
共6页
93-98