基于稀疏表示分類器的極化SAR圖像地物分類.pdf

1、極化合成孔徑雷達（Polarimetric Synthetic Aperture Radar，簡稱極化SAR）拓寬了合成孔徑雷達（Synthetic Aperture Radar，SAR）的應用。目前極化SAR圖像分類方法已成為遙感技術的重要組成部分，并成為一個熱門的研究課題。相比傳統(tǒng)的SAR圖像其獲取了HH，HV，VH，VV散射回波信息，從而可以獲得更詳細的地物信息，有了這些新功能的加入，就可以提高極化SAR圖像的分類精確度。

2、　　本文的主要內容是對極化SAR圖像地物分類的研究。分類是圖像解譯技術的重要組成部分，它在地形制圖，冰川識別，植被群落區(qū)分等方面發(fā)揮著重要的作用。本文首先將重點放在極化SAR的特征提取上，然后結合幾種分類器對圖像進行分類，主要包括以下兩方面的內容：
　　1.給出了一種基于棧式自編碼器（SAE）和支持矢量機（SVM）的極化SAR圖像地物分類。這個方法能夠充分挖掘出極化SAR的特征信息，首先提取出極化SAR的偏振特征以及散射特征，把這

3、兩種特性進行融合得到極化SAR的初級特征值，將這些初級特征加入棧式自編碼網絡進行學習，學習出更加高級的特征，最后結合SVM以及Softmax進行最后的分類比較，實驗驗證了此方法的有效性。
　　2.給出了一種基于散射偏振特征和稀疏表示分類器(SRC)的極化 SAR圖像分類方法。該方法是通過Cloude分解、Freeman分解等提取出極化SAR的有效信息，最后輸入到 SRC中進行分類，實驗結果表明該方法具有較高的分類準確率，并且具有很