基于半監(jiān)督學習的SVM-Wishart極化SAR圖像分類方法

滑文強　王　爽　侯　彪

（智能感知與圖像理解教育部重點實驗室　西安　710071）

（西安電子科技大學國際智能感知與計算聯(lián)合研究中心　西安　710071）

基于半監(jiān)督學習的SVM-Wishart極化SAR圖像分類方法

滑文強*王爽侯彪

（智能感知與圖像理解教育部重點實驗室西安710071）

（西安電子科技大學國際智能感知與計算聯(lián)合研究中心西安710071）

該文針對極化SAR（Synthetic Aperture Radar）圖像分類中的小樣本問題，提出了一種新的半監(jiān)督分類算法。考慮到極化SAR數(shù)據(jù)反映了地物的散射特性，該方法首先利用目標分解方法提取了多種極化散射特征；其次，在協(xié)同訓練框架下結合SVM分類器構建了協(xié)同半監(jiān)督模型，該模型可以同時利用有標記和無標記樣本對極化SAR圖像進行分類，從而在小樣本時可以獲得更好的分類精度；最后，為進一步改善分類結果，在協(xié)同訓練分類完成后，該方法又利用Wishart分類器對分類結果進行修正。理論分析與實驗表明，該算法在只有少量標記樣本的情況下優(yōu)于傳統(tǒng)算法。

極化SAR；地物分類；半監(jiān)督學習；協(xié)同訓練；支持向量機

1　引言

極化SAR圖像分類作為極化SAR圖像處理的重要部分，在軍事偵察、土地勘察和城市規(guī)劃等領域都有著廣泛的應用前景。目前的極化SAR分類方法主要有3種：無監(jiān)督學習［1，2］、監(jiān)督學習［3，4］和半監(jiān)督學習［5，6］。在極化SAR分類中，無監(jiān)督方法不需要標記樣本，主要采用目標分解的方法根據(jù)不同地物的物理散射特性對目標進行分解，如三分量分解［7］和四分量分解［8］。監(jiān)督方法通常比無監(jiān)督方法更容易取得較好的極化SAR分類效果，但是監(jiān)督方法需要大量的標記樣本，而實際中很難獲取大量的標記樣本，如SVM分類器［8］。……