利用多特征融合和集成学习的极化SAR图像分类

摘要：

该文提出了一种利用多特征融合和集成学习的极化SAR图像监督分类算法.该算法首先提取极化SAR图像的多重特征,包括EPFS特征,Hoekman分解特征,Huynen分解特征,H/alpha/A分解特征以及扩展四分量分解特征.为保证集成学习中基本分类器的差异性与准确性,算法从5组特征集中每次随机选取两组不同的特征进行串联融合,作为SVM分类器的输入.最后,利用随机森林学习算法将所有基本分类器的预测概率集成输出最终分类结果.像素级和区域级的分类实验表明了该文算法的有效性.

关键词：极化合成孔径雷达、集成学习、监督分类

所属期刊栏目：5

分类号：TN957

资助基金：内蒙古自治区科技计划项目20131108, 20140155;国家自然科学基金61271401, 41501414;复旦大学电磁波信息科学教育部重点实验室开放基金项目EMW201504

在线出版日期：2017-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：692-700