论文部分内容阅读
全极化合成孔经雷达(Synthetic Aperture Radar,SAR)数据具有丰富的极化信息,能够提取出大量异结构性特征。核学习方法在解决小样本、高维特征分类问题上具有优势,但异构特征对不同核函数具有响应差异。本文利用一种引入先验标签的多核学习方法进行全极化SAR的溢油信息提取,即基于分析结果对待特征集进行遴选与组合,分别在每个特征组合中训练得到一个预备层核函数,以新获取的预备层核函数作为新的底层核函数,对全部特征进行学习分类,通过提取与分析溢油和海水的统计特征、物理散射特征和纹理特征、建立溢油全