基于混合Wishart模型的極化SAR圖像非監督分類

鐘 能 楊 文 楊祥立 郭 威

(武漢大學電子信息學院 武漢 430072)

基于混合Wishart模型的極化SAR圖像非監督分類

鐘 能 楊 文*楊祥立 郭 威

(武漢大學電子信息學院 武漢 430072)

極化合成孔徑雷達圖像非監督分類是極化SAR圖像自動化解譯的重要步驟，但是在非監督分類的過程中如何確定樣本類數仍然是十分具有挑戰性的問題。由于像素之間具有空間相關性，因此和基于像素的分類方法相比，基于區域的分類方法能得到更加魯棒的結果。為此，該文提出了一種基于混合Wishart模型和密度峰值聚類的區域級極化SAR圖像非監督分類方法。該方法首先使用SLIC算法對極化SAR圖像進行過分割，生成多個超像素區域；然后采用混合Wishart模型對超像素區域進行建模，并且利用Cauchy-Schwarz散度來衡量不同超像素區域之間的距離；最后通過密度峰值快速搜索聚類算法得到PolSAR圖像的非監督分類結果。在不同極化SAR圖像上的實驗結果表明了該文方法的有效性。

極化SAR圖像；非監督分類；混合Wishart模型；密度峰值

1 引言

極化合成孔徑雷達(Polarimetric Synthetic Aperture Radar, PolSAR)是一種先進的對地觀測技術，不易受天氣時間等因素的影響，能夠長期獲取感興趣目標的幾何結構和物理特性等信息[1]。作為極化SAR數據信息提取和自動化解譯的重要步驟，極化SAR圖像分類技術得到了深入的研究。目前，極化SAR圖像分類已被廣泛應用于土地覆蓋分類、災害監測、地質勘探和城市規劃等領域[2]。通常，極化SAR圖像分類方法按照是否需要標記樣本可以分為監督分類、半監督分類和非監督分類。……