论文部分内容阅读
该文提出一种基于H-α和改进C-均值的全极化SAR图像非监督分类方法。该方法先按H-α对全极化SAR图像进行基于散射机理的分类,再将分类结果作为改进C-均值算法的初始类别划分,从而实现地物分类。迭代次数确定是C-均值动态聚类算法的关键,文中利用图像熵给出了一种新的迭代终止准则。与H-α方法相比,该文方法能在保留分类结果物理散射机理的同时,实现有效的地物分类。NASA/JPL实验室AIRSAR系统获取的L波段旧金山全极化SAR数据的实验结果验证了该文方法的有效性。