基于譜聚類的極化SAR圖像分類研究.pdf

1、極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar)已經(jīng)成為國內(nèi)外合成孔徑雷達(dá)發(fā)展的重要方向之一。與單極化雷達(dá)圖像相比，極化合成孔徑雷達(dá)圖像能夠提供更多的地物信息?？焖?、準(zhǔn)確SAR圖像分類是實(shí)現(xiàn)各種實(shí)際應(yīng)用的前提。因此，對(duì)極化SAR圖像的分類的研究，具有十分重要的意義。
　　本文主要研究基于譜聚類算法的極化SAR圖像分類方法。譜聚類算法是近年來國際上機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn)，它具有能在任意形

2、狀的樣本空間上聚類并且收斂于全局最優(yōu)解的優(yōu)點(diǎn)。以譜聚類算法為基礎(chǔ)，結(jié)合聚類分析和極化SAR圖像特點(diǎn)，提出了用于極化SAR圖像分類的方法，主要工作如下：
　　1.提出了一種基于譜聚類的極化SAR圖像分類方法。該方法使用Nystr?m逼近實(shí)現(xiàn)譜聚類算法，并將基于相干矩陣的Wishart距離和極化特征組成矢量的歐式距離作為譜聚類的相似性測度，進(jìn)而對(duì)極化SAR圖像進(jìn)行譜分割，然后用能反映極化SAR數(shù)據(jù)分布的Wishart分類器進(jìn)行迭代，進(jìn)

3、一步提高分類精度。將該方法用于真實(shí)的極化SAR圖像分類，取得了較好分類效果。
　　2.提出了一種基于Mean Shift和譜聚類的極化SAR圖像分類方法。該方法將目標(biāo)的極化特征作為Mean Shift算法的輸入向量，用Mean Shift算法對(duì)極化SAR圖像進(jìn)行預(yù)分割處理，將圖像分割為互不重疊的小區(qū)域，將每個(gè)區(qū)域作為譜聚類的輸入數(shù)據(jù)點(diǎn)，從而提高算法效率；在傳統(tǒng)譜聚類算法基礎(chǔ)上，通過引入勢函數(shù)，構(gòu)造了一種新的相似函數(shù)，提高了譜聚類算

4、法的性能。與已有的經(jīng)典極化SAR分類方法相比，該方法具有較高的分類精度和較強(qiáng)的普適性。
　　3.提出了一種基于Freeman分解和譜聚類算法的極化SAR圖像分類方法。傳統(tǒng)的基于Freeman分解的極化SAR圖像分類方法，保持了像素的主散射機(jī)制，但并不能解決具有混合散射機(jī)制像素的分類問題。然而實(shí)際場景中，由于單個(gè)像素的響應(yīng)是多個(gè)目標(biāo)散射特性的疊加，因此圖像中存在大量具有混合散射機(jī)制的像素。本文提出了一種結(jié)合Freeman分解和譜聚類