基于目標(biāo)分解與機(jī)器學(xué)習(xí)的極化SAR圖像地物分類(lèi).pdf

1、極化合成孔徑雷達(dá)（Polarimetric Synthetic Aperture Radar，PolSAR）采用不同極化工作方式，通過(guò)交替發(fā)射與接收雷達(dá)信號(hào)，能夠得到一個(gè)與目標(biāo)相關(guān)的2×2復(fù)矩陣，這個(gè)矩陣反應(yīng)了目標(biāo)的幅度信息、相位信息和散射信息等。因而，極化SAR成為一種重要的對(duì)地和對(duì)空觀測(cè)手段。目前為止，極化SAR系統(tǒng)在目標(biāo)識(shí)別領(lǐng)域和圖像解譯方面有著非常廣泛的應(yīng)用，包括城市規(guī)劃、資源勘探、災(zāi)情監(jiān)測(cè)、目標(biāo)檢測(cè)、植被生長(zhǎng)、軍事目標(biāo)精準(zhǔn)打擊

2、等。在遙感圖像解譯和信息處理領(lǐng)域，地物分類(lèi)已經(jīng)成為世界各國(guó)學(xué)者研究的一大熱門(mén)課題，但我國(guó)還處于遙感圖像解譯的初級(jí)階段。本文從地物目標(biāo)的特征提取和地物目標(biāo)分類(lèi)這兩個(gè)重要方面開(kāi)展工作，所做的主要內(nèi)容如下：
　?。?）對(duì)極化SAR系統(tǒng)的應(yīng)用及其價(jià)值進(jìn)行分析和研究。詳細(xì)介紹了極化SAR圖像分類(lèi)的理論基礎(chǔ)、發(fā)展史；同時(shí)指出了極化SAR圖像分類(lèi)將會(huì)面臨的嚴(yán)峻考驗(yàn)。
　?。?）提出了一種基于極化目標(biāo)分解和支持向量機(jī)（Support Vec

3、tor Machine，SVM）的極化SAR圖像地物分類(lèi)方法。針對(duì)傳統(tǒng)分類(lèi)方法只能使用單一特征進(jìn)行分類(lèi)的缺點(diǎn)，采用Cloude分解得到三種散射特征、Freeman分解得到四種特征，選擇好訓(xùn)樣樣本和測(cè)試樣本之后，進(jìn)行對(duì)SVM的訓(xùn)練。當(dāng)訓(xùn)練完成之后對(duì)整幅圖進(jìn)行預(yù)測(cè)與分類(lèi)。實(shí)驗(yàn)仿真結(jié)果表明，該方法簡(jiǎn)單高效，具有較高的分類(lèi)精度，使用組合特征比單一特征的準(zhǔn)確率要高出6.5％左右。
　?。?）提出了一種基于極化目標(biāo)分解和極限學(xué)習(xí)機(jī)（Extre