基于二维极化特征的PolSAR图像决策分类

邵璐熠 洪文

引用本文:
Citation:

基于二维极化特征的PolSAR图像决策分类

    作者简介: 邵璐熠(1987-),女,中国科学院电子学研究所在读博士生,研究方向为极化SAR分类及应用。E-mail:shaoluyi28@126.com;洪文(1968-),女,中国科学院电子学研究所研究员,博士生导师,研究方向为雷达信号处理理论、SAR成像算法、微波遥感图像处理及其应用等。E-mail:whong@mail.ie.ac.cn.
    通讯作者: 邵璐熠, shaoluyi28@126.com
  • 基金项目:

    国家自然科学基金(61431018)

Decision Tree Classification of PolSAR Image Based on Two-dimensional Polarimetric Features

    Corresponding author: Shao Luyi, shaoluyi28@126.com ;
  • Fund Project: The National Natural Science Foundation of China (61431018)

  • 摘要: 决策树模型在极化SAR数据分类中有着极大的应用价值,既能描述分类结果的极化散射机制,又能获得较好的分类精度。但在对散射机制相似的地物进行分类时,由于经典决策树模型的节点采用的是单个特征,分类精度不理想。因此,该文提出了节点采用2维特征的方法,即在特征集相同的前提下,每次取两个特征组成特征矢量用于节点,提高了经典决策树难以区分的地物的分类精度;并且利用分类结果的混淆矩阵准确定位了导致分类误差的节点,进而对节点进行有针对性的反馈调整,进一步提高了指定地物的分类精度。利用AIRSARFlevoland数据验证了该方法的有效性,并结合极化特征描述了Flevoland地区多种植被的极化散射机制。
  • [1] Van Zyl J J.Unsupervised classification of scattering mechanisms using radar polarimetry data[J].IEEE Transactions on Geoscience and Remote Sensing,1989,27(1):36-45.
    [2] Cloude S R and Pottier E.An entropy based classification scheme for land applications of polarimetric SAR[J].IEEE Transactions on Geoscience and Remote Sensing,1997,35(1):68-78.
    [3] Du L J and Lee J S.Polarimetric SAR image classification based on target decomposition theorem and complex Wishart distribution[C].IEEE International Geoscience and Remote Sensing Symposium,Lincoln,1996,1:439-441.
    [4] Pottier E and Lee J S.Unsupervised classification scheme of PolSAR images based on the complex Wishart distribution and the H/A/a polarimetric decomposition theorem[C].Proceedings of the 3rd European Conference on Synthetic Aperture Radar (EUSAR'00),Munich,2000:265-269.
    [5] Lee J S,Grunes M R,Pottier E,et al..Unsupervised terrain classification preserving polarimetric scattering characteristics[J].IEEE Transactions on Geoscience and Remote Sensing,2004,42(4):722-731.
    [6] Uhlmann S and Kiranyaz S.Integrating color features in polarimetric SAR image classification[J].IEEE Transactions on Geoscience and Remote Sensing,2014,52(4):2197-2216.
    [7] Theodoridis S and Koutroumbas K.Pattern Recognition[M].Fourth Edition,Beijing:China Machine Press,2009:215-222.
    [8] 何楚,刘明,许连玉,等.利用特征选择自适应决策树的层次SAR图像分类[J].武汉大学学报(信息科学版),2012,37(1):46-49.He Chu,Liu Ming,Xu Lian-yu,et al..A hierarchical classification method based on feature selection and adaptive decision tree for SAR image[J].Geomatics and Information Science of Wuhan University,2012,37(1):46-49.
    [9] Lee J S and Pottier E.Polarimetric Radar Imaging:From Basics to Applications[M].Boca Raton,FL,USA,CRC Press,2009:55-63,200-205,229-245.
    [10] 李航.统计学习方法[M].北京:清华大学出版社,2012:25-26.Li Hang.Statistical Learning Method[M].Beijing:Tsinghua University Press,2012:25-26.
    [11] 王明合,张二华,唐振民,等.基于Fisher线性判别分析的语音信号端点检测方法[J].电子与信息学报,2015,37(6):1343-1349.Wang Ming-he,Zhang Er-hua,Tang Zhen-min,et al..Voice activity detection based on Fisher linear discriminant analysis[J].Journal of ElectronicsInformation Technology,2015,37(6):1343-1349.
    [12] 滑文强,王爽,侯彪.基于半监督学习的SVM-Wishart极化SAR图像分类方法[J].雷达学报,2015,4(1):93-98.Hua Wen-qiang,Wang Shuang,and Hou Biao.Semi-supervised learning for classification of polarimetric SAR images based on SVM-Wishart[J].Journal of Radars,2015,4(1):93-98.
  • [1] 陶臣嵩陈思伟李永祯肖顺平 . 结合旋转域极化特征的极化SAR地物分类. 雷达学报, 2017, 6(5): 524-532. doi: 10.12000/JR16131
    [2] 黄晓菁杨祥立黄平平杨文 . 基于原型理论的极化SAR图像特征表达. 雷达学报, 2016, 5(2): 208-216. doi: 10.12000/JR15071
    [3] 孙勋黄平平涂尚坦杨祥立 . 利用多特征融合和集成学习的极化SAR图像分类. 雷达学报, 2016, 5(6): 692-700. doi: 10.12000/JR15132
    [4] 邢艳肖张毅李宁王宇胡桂香 . 一种联合特征值信息的全极化SAR图像监督分类方法. 雷达学报, 2016, 5(2): 217-227. doi: 10.12000/JR16019
    [5] 孙红梅陈广东张弓 . 基于测控电磁波极化特征信息的飞行器姿态估计. 雷达学报, 2013, 2(4): 466-475. doi: 10.3724/SP.J.1300.2013.13087
    [6] 胡丁晟仇晓兰雷斌徐丰 . 极化串扰对基于Cloude分解的地物散射机制特征量影响分析. 雷达学报, 2017, 6(2): 221-228. doi: 10.12000/JR16129
    [7] 许成斌周伟丛瑜关键 . 基于峰值区域的高分辨率极化SAR舰船目标特征分析与鉴别. 雷达学报, 2015, 4(3): 367-373. doi: 10.12000/JR14093
    [8] 周春晖李飞李宁郑慧芳王翔宇 . 改进的基于特征子空间的SAR图像射频干扰抑制算法. 雷达学报, 2018, 7(2): 235-243. doi: 10.12000/JR17025
    [9] 李棉全施龙飞 . 全极化相控阵雷达波束扫描对目标观测极化散射矩阵的影响. 雷达学报, 2016, 5(2): 200-207. doi: 10.12000/JR16035
    [10] 滑文强王爽郭岩河谢雯 . 基于邻域最小生成树的半监督极化SAR图像分类方法. 雷达学报, 2019, 8(4): 458-470. doi: 10.12000/JR18104
    [11] 张晶晶洪文尹嫱 . 基于球形截断协方差矩阵的极化SAR分布式目标稳健定标方法. 雷达学报, 2016, 5(6): 701-710. doi: 10.12000/JR16138
    [12] 赵双鲁卫红冯存前王义哲 . 基于窄带雷达网的弹道目标三维进动特征提取. 雷达学报, 2017, 6(1): 98-105. doi: 10.12000/JR15129
    [13] 陆萍萍杜康宁禹卫东王宇邓云凯 . 基于特征融合的HJ-1-C SAR 图像道路特征提取算法. 雷达学报, 2014, 3(3): 352-360. doi: DOI: 10.3724/SP.J.1300.2013.13059
    [14] 徐亚圣丁赤飚任文娟许光銮 . 基于直方统计特征的多特征组合航迹关联. 雷达学报, 2019, 8(1): 25-35. doi: 10.12000/JR18028
    [15] 明婧张晓玲蒲羚师君 . 一种新型圆迹阵列三维SAR系统的点扩散函数分析与地面实验结果. 雷达学报, 2018, 7(6): 770-776. doi: 10.12000/JR18068
    [16] 侯育星徐刚 . InSAR通道联合稀疏贝叶斯特征化成像. 雷达学报, 2018, 7(6): 750-757. doi: 10.12000/JR18100
    [17] 张增辉郁文贤 . 稀疏微波SAR图像特征分析与目标检测研究. 雷达学报, 2016, 5(1): 42-56. doi: 10.12000/JR15097
    [18] 陈小龙董云龙李秀友关键 . 海面刚体目标微动特征建模及特性分析. 雷达学报, 2015, 4(6): 630-638. doi: 10.12000/JR15079
    [19] 韩萍王欢 . 基于改进的稀疏保持投影的SAR目标特征提取与识别. 雷达学报, 2015, 4(6): 674-680. doi: 10.12000/JR15068
    [20] 张群胡健罗迎陈怡君 . 微动目标雷达特征提取、成像与识别研究进展. 雷达学报, 2018, 7(5): 531-547. doi: 10.12000/JR18049
  • 加载中
计量
  • 文章访问数:  752
  • HTML浏览量:  233
  • PDF下载量:  1113
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-01-05
  • 录用日期:  2016-06-20
  • 刊出日期:  2016-12-28

基于二维极化特征的PolSAR图像决策分类

    通讯作者: 邵璐熠, shaoluyi28@126.com
    作者简介: 邵璐熠(1987-),女,中国科学院电子学研究所在读博士生,研究方向为极化SAR分类及应用。E-mail:shaoluyi28@126.com;洪文(1968-),女,中国科学院电子学研究所研究员,博士生导师,研究方向为雷达信号处理理论、SAR成像算法、微波遥感图像处理及其应用等。E-mail:whong@mail.ie.ac.cn
  • 1. (中国科学院电子学研究所 北京 100190)
  • 2. (中国科学院大学 北京 100190)
基金项目:  国家自然科学基金(61431018)

摘要: 决策树模型在极化SAR数据分类中有着极大的应用价值,既能描述分类结果的极化散射机制,又能获得较好的分类精度。但在对散射机制相似的地物进行分类时,由于经典决策树模型的节点采用的是单个特征,分类精度不理想。因此,该文提出了节点采用2维特征的方法,即在特征集相同的前提下,每次取两个特征组成特征矢量用于节点,提高了经典决策树难以区分的地物的分类精度;并且利用分类结果的混淆矩阵准确定位了导致分类误差的节点,进而对节点进行有针对性的反馈调整,进一步提高了指定地物的分类精度。利用AIRSARFlevoland数据验证了该方法的有效性,并结合极化特征描述了Flevoland地区多种植被的极化散射机制。

English Abstract

参考文献 (12)

目录

    /

    返回文章
    返回