-
题名一种联合特征降维的极化SAR影像分类方法
被引量：1
- 1
-
-
作者
刘利敏
刘达
韩丽华
晏轲
陈宇
-
机构
湖北第二师范学院计算机学院
长江水利委员会网络与信息中心
自然资源部国土卫星遥感应用中心
-
出处
《测绘科学》
CSCD
北大核心
2021年第10期130-136,共7页
-
基金
湖北自然科学基金项目(2017CFB138,2016CFC724)
科研启动金资助项目(18RC15)
中央引导地方科技发展专项(2019ZYYD012)。
-
文摘
针对PolSAR影像极化信息利用不完全,分类效果有待进一步提高的问题,该文在综合多源极化信息的基础上,提出一种核熵成分分析算法(KECA)特征降维,及BA-SSVM模型训练的PolSAR影像分类方法。构造PolSAR多源目标分解及纹理特征组合,根据熵值贡献率利用KECA开展特征降维,之后采用蝙蝠算法(BA)对光滑支持向量机(SSVM)模型参数自动寻优,实现PolSAR影像分类。通过Flevoland地区的AIRSAR影像及北京地区的Radarsat-2影像的分类实验,验证了该文方法的有效性。在特征降维方面,KECA比传统KPCA算法表现出更好的特征融合效果和非线性适应性;利用BA对SSVM参数进行智能解算,也可有效解决盲搜索问题,提高模型训练精度;通过KECA降维及BA-SSVM智能模型训练,分类效果总体优于传统方法。
-
关键词
极化目标分解
KECA降维
ba-ssvm算法
智能寻优
-
Keywords
polarimetric target decomposition
KECA
ba-ssvm
parameter intelligent search
-
分类号
P237
[天文地球—摄影测量与遥感]
-
