基于近鄰傳播聚類的極化SAR圖像分類.pdf

1、極化合成孔徑雷達(dá)(Polarimetric Synthetic Aperture Radar,簡(jiǎn)稱POLSAR)由于具有比合成孔徑雷達(dá)(Synthetic Aperture Radar,SAR)更多的極化信息,在近些年,它已經(jīng)成為合成孔徑雷達(dá)發(fā)展的重要方向之一,極化SAR圖像解譯也隨之顯得越來(lái)越重要。而極化SAR圖像分類是極化SAR圖像解譯的重要內(nèi)容之一,在農(nóng)業(yè)、軍事、海洋等領(lǐng)域都有廣泛的應(yīng)用。
　　本文主要著眼于基于近鄰傳播聚類

2、算法的極化SAR圖像分類方法的研究。在近年來(lái),近鄰傳播聚類算法已經(jīng)成為機(jī)器學(xué)習(xí)領(lǐng)域的研究熱點(diǎn),它可以自適應(yīng)地獲得聚類數(shù)目,而且該方法快速有效。本文以近鄰傳播聚類算法為基礎(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.提出了一種基于近鄰傳播聚類算法的極化SAR圖像分類方法。該方法將基于類別間的Wishart距離取代原算法中的歐式距離作為近鄰傳播聚類算法的相似性測(cè)度,并結(jié)合Yamagu

3、chi分解對(duì)極化SAR圖像進(jìn)行初始分割,然后在初始類別劃分的的基礎(chǔ)上對(duì)整幅圖像用能反映極化SAR數(shù)據(jù)分布的Wishart分類器進(jìn)行迭代分類,進(jìn)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,該方法具有較高的分類精度,能夠自適應(yīng)獲得類別數(shù)。
　　2.提出了一種基于超像素算法和近鄰傳播聚類算法的極化SAR圖像分類方法。該方法將極化SAR圖像的Pauli分解得到三個(gè)特征作為Turbopixle超像素算法的輸入,用Turbopix

4、le算法對(duì)極化SAR圖像進(jìn)行預(yù)分割處理,將圖像分割成互不重疊的小區(qū)域,并將每個(gè)區(qū)域作為近鄰傳播聚類算法的輸入數(shù)據(jù)點(diǎn),從而提高算法效率;在傳統(tǒng)Turbopixle算法基礎(chǔ)上,通過(guò)像素點(diǎn)間的空間關(guān)系,構(gòu)造了一種新的超像素的map圖,提高了Turbopixle算法的性能。對(duì)比已有的幾種經(jīng)典極化SAR分類方法,該方法取得了較好分類效果及分類精度。
　　3.提出了一種基于極化特征和改進(jìn)的近鄰傳播聚類算法的極化SAR圖像分類方法。首先,根據(jù)相