極化SAR半監(jiān)督降維方法.pdf

1、極化SAR具有全天候、全天時(shí)、多波段、多極化等獨(dú)特的成像特點(diǎn)，能夠提供大面積高分辨率成像。深入研究極化SAR圖像的后處理和解譯，可以從中提取更多有價(jià)值的信息，應(yīng)用于環(huán)境監(jiān)測、地球資源勘測和軍事系統(tǒng)等。
　　極化合成本身沒有帶來直接的關(guān)于地表的新信息，但可以凸顯成像目標(biāo)的一些特性。對極化SAR數(shù)據(jù)進(jìn)行目標(biāo)分解，得到的極化散射特性，可以用于極化SAR影像地物分類。但是，單一特征或目標(biāo)分解不能充分和可靠的識(shí)別具有類似散射機(jī)制的不同的地物

2、或者不同散射機(jī)制的相同地物。因此我們綜合利用多個(gè)極化SAR數(shù)據(jù)目標(biāo)分解，可以得到許多的極化特征，通過將這些特征結(jié)合，能夠有效的提高分類正確率。但是這么多的特征，并不是所有的特征都對分類起作用，極化特征間存在冗余信息，只有很少的特征和隱藏在特征中的信息發(fā)揮主要作用。那么我們就需要從眾多的原有的特征中挖掘出對分類有效的特征，減少特征之間的冗余，即進(jìn)行特征約簡（也稱作降維）。本論文提出了幾種半監(jiān)督降維的方法用于極化SAR地物分類，主要包括以下

3、三方面的內(nèi)容：
　　1．提出了一種基于空間信息的半監(jiān)督降維方法，是對有監(jiān)督方法LDLE（Linear discriminative Laplacian eigenmaps）的半監(jiān)督推廣。同時(shí)充分考慮了極化SAR圖像的空間信息。該方法在極化SAR地物識(shí)別上，取得了很好的分類效果。另外對拉普拉斯Laplacian矩陣進(jìn)行相應(yīng)的分塊，減少了運(yùn)算量。
　　2.提出了基于子空間學(xué)習(xí)的半監(jiān)督降維方法用于極化SAR地物分類。首先將極化SA

4、R圖像上每個(gè)像素點(diǎn)的空間K近鄰和極化特征表示成二階張量的形式。然后利用樣本的標(biāo)簽和流形學(xué)習(xí)構(gòu)造圖。并且保留無標(biāo)記樣本的流形結(jié)構(gòu)。最后通過廣義特征值問題，求取最優(yōu)投影矩陣。該方法具有更高的極化SAR地物分類精度。
　　3.提出了基于空間信息的半監(jiān)督深度學(xué)習(xí)方法。該方法首先對極化SAR圖像的Pauli圖進(jìn)行超像素分割得到超像素塊，并與每個(gè)像素點(diǎn)的空間鄰域相交取均值代替該像素點(diǎn)，能夠在一定程度上解決不同類別交界處像素點(diǎn)的標(biāo)簽信息。然后通