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(Polarimetric Synthetic Aperture Radar)已經成為國內外合成孔徑雷達發(fā)展的重要方向之一。與單極化雷達圖像相比，極化合成孔徑雷達圖像能夠提供更多的地物信息。快速、準確SAR圖像分類是實現(xiàn)各種實際應用的前提。因此，對極化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器學習領域的研究熱點，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。以譜聚類算法為基礎，結合聚類分析和極化SAR圖像特點，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，進而對極化SAR圖像進行譜分割，然后用能反映極化SAR數(shù)據分布的Wishart分類器進行迭代，進

3、一步提高分類精度。將該方法用于真實的極化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。該方法將目標的極化特征作為Mean Shift算法的輸入向量，用Mean Shift算法對極化SAR圖像進行預分割處理，將圖像分割為互不重疊的小區(qū)域，將每個區(qū)域作為譜聚類的輸入數(shù)據點，從而提高算法效率；在傳統(tǒng)譜聚類算法基礎上，通過引入勢函數(shù)，構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制，但并不能解決具有混合散射機制像素的分類問題。然而實際場景中，由于單個像素的響應是多個目標散射特性的疊加，因此圖像中存在大量具有混合散射機制的像素。本文提出了一種結合Freeman分解和譜聚類