基于Pinball损失函数支持向量机的极化SAR图像鲁棒分类 |
| |
作者姓名: | 张腊梅 张思雨 董洪伟 朱厦 |
| |
作者单位: | ①.哈尔滨工业大学电子与信息工程学院 哈尔滨 150001②.北京市遥感信息研究所 北京 100192 |
| |
基金项目: | 国家自然科学基金;国家自然科学基金;航空科学基金;黑龙江省留学归国人员科学基金 |
| |
摘 要: | 考虑到极化合成孔径雷达(PolSAR)图像标注信息量低以及相干斑噪声难以消除的问题,该文从鲁棒统计学习的角度提出了一种基于Pin-SVM的极化SAR图像鲁棒分类方法,根据极化SAR图像的散射特性和地物的纹理特性,通过求解两类样本之间的最大分位数距离来确定分类超平面,在无需迭代的前提下得到更加鲁棒的分类结果。相比传统的基于最大间隔的极化SAR图像分类算法,该文所提算法一方面在对极化SAR图像提取到的特征中包含的噪声具有更好的鲁棒性,另一方面对于训练样本的抽样范围不敏感,即重采样具有更好的鲁棒性。利用EMISAR的Foulum地区极化SAR数据进行了算法验证,多种情况的对比实验的结果验证了该算法的有效性。
|
关 键 词: | 极化SAR 分类算法 Pin-支持向量机 鲁棒学习 |
收稿时间: | 2019-05-01 |
本文献已被 万方数据 等数据库收录! |
| 点击此处可从《雷达学报》浏览原始摘要信息 |
|
点击此处可从《雷达学报》下载免费的PDF全文 |