论文部分内容阅读
为了有效地对极化SAR图像进行分类，基于目标分解和支持向量机，提出了一种极化SAR图像非监督分类法。该方法首先利用目标分解理论获得极化熵和平均散射角，并在熵-平均散射角平面对图像进行初分类，以确定类中心；然后利用Wishart分布定义的距离函数寻找训练样本，同时选择一定的极化参数组成特征矢量，并利用训练样本和特征矢量训练支持向量机；最后用训练好的分类器对极化SAR图像进行分类。通过对ESAR图像进行分类，比较了多种参数组合的分类结果，并与Wishart方法进行了比较，结果表明，该方法特征选择非常灵活，不仅