论文部分内容阅读
全极化合成孔径雷达（SAR）影像准确分类的一个重要前提是充分提取反映地物实际物理性质的特征。然而现有的全极化SAR特征提取算法和分类算法众多，却均存在各种各样的问题。无论极化特征提取方法还是分类算法，都会影响最终的分类精度。针对此问题，在多次实验的基础上，提出一种综合Pauli极化特征分解和支持向量机（SVM）的分类策略，简称为Pauli—SVM算法。首先通过经典的Pauli分解法提取全极化SAR影像的奇次散射、偶次散射、体散射等极化特征；并将这些信息组合成一个特征向量，然后引入高精度的SVM分类算法，选