系统工程与电子技术 ›› 2018, Vol. 40 ›› Issue (2): 295-302.doi: 10.3969/j.issn.1001-506X.2018.02.09
张月1, 邹焕新1, 邵宁远1, 秦先祥2, 周石琳1, 计科峰1
ZHANG Yue1, ZOU Huanxin1, SHAO Ningyuan1, QIN Xianxiang2, ZHOU Shilin1, JI Kefeng1
摘要: 从极化合成孔径雷达(synthetic aperture radar, SAR)图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类,将导致部分特征向量的分类能力减弱或丧失。针对此问题,将每种特征向量看作为不同视角数据,提出了一种基于一致相似度网络融合的极化SAR图像非监督地物分类方法。首先,将极化SAR图像进行过分割,基于超像素提取5种特征向量以构建5个相似度矩阵;其次,采用一致相似度网络融合多视学习算法生成融合的相似度矩阵;然后,基于该矩阵进行谱聚类;最后,提出一种分类后处理策略修正错分像素。仿真和实测极化SAR图像地物分类结果表明,该方法性能优于其他5种经典方法。
中图分类号: