一种联合特征值信息的全极化SAR图像监督分类方法

邢艳肖 张毅 李宁 王宇 胡桂香

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[J]. 雷达学报, 2016, 5(2): 217-227. doi: 10.12000/JR16019
引用本文: 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[J]. 雷达学报, 2016, 5(2): 217-227. doi: 10.12000/JR16019
Xing Yanxiao, Zhang Yi, Li Ning, Wang Yu, Hu Guixiang. Polarimetric SAR Image Supervised Classification Method Integrating Eigenvalues[J]. Journal of Radars, 2016, 5(2): 217-227. doi: 10.12000/JR16019
Citation: Xing Yanxiao, Zhang Yi, Li Ning, Wang Yu, Hu Guixiang. Polarimetric SAR Image Supervised Classification Method Integrating Eigenvalues[J]. Journal of Radars, 2016, 5(2): 217-227. doi: 10.12000/JR16019

一种联合特征值信息的全极化SAR图像监督分类方法

doi: 10.12000/JR16019
基金项目: 

国家自然科学基金优秀青年基金(61422113)

详细信息
    作者简介:

    邢艳肖(1990–),女,河北邯郸人,中国科学院电子学研究所通信与信息系统专业硕士研究生,研究方向为极化合成孔径雷达图像分类方法。E-mail:1090433237@qq.com张毅(1971–),男,上海人,现为中国科学院电子学研究所研究员,硕士生导师,研究方向为高速数字信号处理、合成孔径雷达信号处理新技术研究、合成孔径雷达系统设计等。E-mail:zhangyi@mail.ie.ac.cn李宁(1987–),男,安徽天长人,毕业于中国科学院电子学研究所,获得博士学位,现为中国科学院电子学研究所助理研究员,研究方向为多模式合成孔径雷达成像及其应用技术。E-mail:lining_nuaa@163.com王宇(1980–),男,河南人,现为中国科学院电子学研究所研究员,博士生导师,研究方向为SAR系统设计与信号处理技术。E-mail:yuwang@mail.ie.ac.cn胡桂香(1990–),女,黑龙江佳木斯人,在中国科学院电子学研究所攻读硕士学位,研究方向为合成孔径雷达海面风场反演与油膜检测。

    通讯作者:

    邢艳肖1090433237@qq.com

Polarimetric SAR Image Supervised Classification Method Integrating Eigenvalues

Funds: 

The National Natural Science Foundation of China (61422113)

  • 摘要: 基于H/平面的分类器对于具有相似散射类型的地物的分类能力很差,为此该文直接使用特征值特征来进行分类。首先提取特征值特征,并使用一种自适应调整高斯分量个数的高斯混合模型对特征值分布进行较为准确地拟合,然后采用朴素贝叶斯分类器进行初步分类。针对可能存在特征值分布较为相近导致错分的问题,计算每两类地物的特征值分布的相似度,将相似度大于给定阈值的类别对组成相似性表,对于这些相似对再用基于Wishart距离的K近邻分类器进行细分。综合分析机载和星载SAR数据上的实验结果,表明这种方法能够克服基于H/的非监督分类方法对于特征值利用的一些不足,且与基于SVM的分类方法效果相当。
  • [1] Lee J S and Pottier E. 极化合成孔径雷达成像基础与应用[M]. 北京: 电子工业出版社, 2013: 199-223. Lee J S and Pottier E. Polarimetric Radar Imaging: From Basics to Applications[M]. Beijing: Publishing House of Electronic Industry, 2013: 199-223.
    [2] 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.
    [3] Lee J S, Grunes M R, and Kwok R. Classification of multilook polarimetric SAR imagery based on complex Wishart distribution[J]. International Journal of Remote Sensing, 1994, 15(11): 2299-2311.
    [4] Cloude S R and Pottier E. An entropy based classication scheme for land applications of polarimetric SAR[J]. IEEE Transactions on Geoscience and Remote Sensing, 1997, 35(1): 68-78.
    [5] Tzeng Y C and Chen K S. A fuzzy neural network to SAR image classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 1998, 36(1): 301-307.
    [6] Lee J S, Grunes M R, Ainsworth T L, et al.. Unsupervised classification using polarimetricdecomposition and the complex Wishart classifier[J]. IEEE Transactions on Geoscience and Remote Sensing, 1999, 37(5): 2249-2258.
    [7] Famil L F, Pottier E, and Lee J S. Unsupervised classification of multifrequency and fully polarimetric SAR images based on the H/A/-Wishart classifier[J]. IEEE Transactions on Geoscience and Remote Sensing, 2001, 39(11): 2332-2342.
    [8] 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.
    [9] Cao F, Hong W, and Wu Y R. An unsupervised segmentation with an adaptive number of clusters using theSPAN/H//Aspace and the complex Wishart clusteringfor fully polarimetric SAR data analysis[J]. IEEE Transactions on Geoscience and Remote Sensing, 2007, 45(11): 3454-3467.
    [10] Lardeux C, Frison P L, Tison C, et al.. Support vector machine for multifrequency SAR polarimetric data classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2009, 47(12): 4143-4151.
    [11] Cloude S R and Pottier E. A review of target decomposition theorems in radar polarimetry[J]. IEEE Transactions on Geoscience and Remote Sensing, 1996, 34(2): 498-518.
    [12] 周伟, 孙艳丽, 许成斌, 等. 一种多极化SAR 舰船目标与方位向模糊鉴别方法[J]. 雷达学报, 2015, 4(1): 84-92. Zhou Wei, Sun Yan-li, Xu Cheng-bin, et al.. A method for discrimination of ship target and azimuth ambiguity in multi-polarimetric SAR imagery[J]. Journal of Radars, 2015, 4(1): 84-92.
    [13] Gou S P, Qiao X, Zhang X R, et al.. Eigenvalue analysis-based approach for POL-SAR image classification[J]. IEEE Transactions on Geoscience and Remote Sensing, 2014, 52(2): 805-818.
    [14] 李航. 统计学习方法[M]. 北京: 清华大学出版社, 2012: 37-53. Li Hang. Statistical Learning Methods[M]. Beijing: Tsinghua University Press, 2000: 37-53.
    [15] 王鑫. 基于高斯混合模型的k均值初始化EM 算法的研究[J]. 商丘师范学院学报, 2012, 28(12): 11-14. Wang Xin. Gaussian mixture model based k-means to initialize the EM algorithm[J]. Journal of Shangqiu Normal University, 2012, 28(12): 11-14.
    [16] Dempster A P, Laird N M, and Rubin D B. Maximum-likelihood from incomplete data via the EM algorithm[J]. Journal of the Royal Statistical Society, 1977, 39(1): 1-38.
    [17] Liu B, Hu H, Wang H Y, et al.. Superpixel-based classification with an adaptive number of classes for polarimetric SAR images[J]. IEEE Transactions on Geoscience and Remote Sensing, 2013, 51(2): 907-924.
  • [1] 陈诗强, 洪文.  基于极化轴比参数的圆极化波发射误差分析方法 . 雷达学报, 2020, 9(2): 343-353. doi: 10.12000/JR19063
    [2] 朱庆涛, 殷君君, 曾亮, 杨健.  基于邻域一致性的极化SAR图像仿射配准 . 雷达学报, 2020, 9(): 1-12. doi: 10.12000/JR20120
    [3] 庞雷, 张风丽, 王国军, 刘娜, 邵芸, 张家萌, 赵钰川, 庞蕾.  建筑物Ku波段极化SAR成像仿真及损毁评估特征分析 . 雷达学报, 2020, 9(3): 578-587. doi: 10.12000/JR20061
    [4] 秦先祥, 余旺盛, 王鹏, 陈天平, 邹焕新.  基于复值卷积神经网络样本精选的极化SAR图像弱监督分类方法 . 雷达学报, 2020, 9(3): 525-538. doi: 10.12000/JR20062
    [5] 邹焕新, 李美霖, 马倩, 孙嘉赤, 曹旭, 秦先祥.  一种基于张量积扩散的非监督极化SAR图像地物分类方法 . 雷达学报, 2019, 8(4): 436-447. doi: 10.12000/JR19057
    [6] 肖东凌, 刘畅.  基于精调的膨胀编组-交叉CNN的PolSAR地物分类 . 雷达学报, 2019, 8(4): 479-489. doi: 10.12000/JR19039
    [7] 张腊梅, 张思雨, 董洪伟, 朱厦.  基于Pinball损失函数支持向量机的极化SAR图像鲁棒分类 . 雷达学报, 2019, 8(4): 448-457. doi: 10.12000/JR19055
    [8] 张向荣, 于心源, 唐旭, 侯彪, 焦李成.  基于马尔科夫判别谱聚类的极化SAR图像分类方法 . 雷达学报, 2019, 8(4): 425-435. doi: 10.12000/JR19059
    [9] 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
    [10] 胡涛, 李卫华, 秦先祥, 王鹏, 余旺盛, 李军.  基于深度卷积神经网络和条件随机场模型的PolSAR图像地物分类方法 . 雷达学报, 2019, 8(4): 471-478. doi: 10.12000/JR18065
    [11] 折小强, 仇晓兰, 雷斌, 张薇, 卢晓军.  一种极化熵结合混合GEV模型的全极化SAR潮间带区域地物分类方法 . 雷达学报, 2017, 6(5): 554-563. doi: 10.12000/JR16149
    [12] 杨文, 钟能, 严天恒, 杨祥立.  基于黎曼流形的极化SAR图像分类 . 雷达学报, 2017, 6(5): 433-441. doi: 10.12000/JR17031
    [13] 邹焕新, 罗天成, 张月, 周石琳.  基于组合条件随机场的极化SAR图像监督地物分类 . 雷达学报, 2017, 6(5): 541-553. doi: 10.12000/JR16109
    [14] 徐丰, 王海鹏, 金亚秋.  深度学习在SAR目标识别与地物分类中的应用 . 雷达学报, 2017, 6(2): 136-148. doi: 10.12000/JR16130
    [15] 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
    [16] 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
    [17] 计科峰, 王海波, 冷祥光, 邢相薇, 康利鸿.  星载简缩极化SAR船舶目标检测技术研究 . 雷达学报, 2016, 5(6): 607-619. doi: 10.12000/JR16083
    [18] 张杰, 张晰, 范陈清, 孟俊敏.  极化SAR在海洋探测中的应用与探讨 . 雷达学报, 2016, 5(6): 596-606. doi: 10.12000/JR16124
    [19] 洪文.  基于混合极化架构的极化SAR:原理与应用(英文) . 雷达学报, 2016, 5(6): 559-595. doi: 10.12000/JR16074
    [20] 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 . 雷达学报, 2015, 4(1): 93-98. doi: 10.12000/JR14138
  • 加载中
计量
  • 文章访问数:  1350
  • HTML全文浏览量:  336
  • PDF下载量:  1084
  • 被引次数: 0
出版历程
  • 收稿日期:  2016-01-25
  • 修回日期:  2016-03-11
  • 刊出日期:  2016-04-28

一种联合特征值信息的全极化SAR图像监督分类方法

doi: 10.12000/JR16019
    基金项目:

    国家自然科学基金优秀青年基金(61422113)

    作者简介:

    邢艳肖(1990–),女,河北邯郸人,中国科学院电子学研究所通信与信息系统专业硕士研究生,研究方向为极化合成孔径雷达图像分类方法。E-mail:1090433237@qq.com张毅(1971–),男,上海人,现为中国科学院电子学研究所研究员,硕士生导师,研究方向为高速数字信号处理、合成孔径雷达信号处理新技术研究、合成孔径雷达系统设计等。E-mail:zhangyi@mail.ie.ac.cn李宁(1987–),男,安徽天长人,毕业于中国科学院电子学研究所,获得博士学位,现为中国科学院电子学研究所助理研究员,研究方向为多模式合成孔径雷达成像及其应用技术。E-mail:lining_nuaa@163.com王宇(1980–),男,河南人,现为中国科学院电子学研究所研究员,博士生导师,研究方向为SAR系统设计与信号处理技术。E-mail:yuwang@mail.ie.ac.cn胡桂香(1990–),女,黑龙江佳木斯人,在中国科学院电子学研究所攻读硕士学位,研究方向为合成孔径雷达海面风场反演与油膜检测。

    通讯作者: 邢艳肖1090433237@qq.com

摘要: 基于H/平面的分类器对于具有相似散射类型的地物的分类能力很差,为此该文直接使用特征值特征来进行分类。首先提取特征值特征,并使用一种自适应调整高斯分量个数的高斯混合模型对特征值分布进行较为准确地拟合,然后采用朴素贝叶斯分类器进行初步分类。针对可能存在特征值分布较为相近导致错分的问题,计算每两类地物的特征值分布的相似度,将相似度大于给定阈值的类别对组成相似性表,对于这些相似对再用基于Wishart距离的K近邻分类器进行细分。综合分析机载和星载SAR数据上的实验结果,表明这种方法能够克服基于H/的非监督分类方法对于特征值利用的一些不足,且与基于SVM的分类方法效果相当。

English Abstract

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[J]. 雷达学报, 2016, 5(2): 217-227. doi: 10.12000/JR16019
引用本文: 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[J]. 雷达学报, 2016, 5(2): 217-227. doi: 10.12000/JR16019
Xing Yanxiao, Zhang Yi, Li Ning, Wang Yu, Hu Guixiang. Polarimetric SAR Image Supervised Classification Method Integrating Eigenvalues[J]. Journal of Radars, 2016, 5(2): 217-227. doi: 10.12000/JR16019
Citation: Xing Yanxiao, Zhang Yi, Li Ning, Wang Yu, Hu Guixiang. Polarimetric SAR Image Supervised Classification Method Integrating Eigenvalues[J]. Journal of Radars, 2016, 5(2): 217-227. doi: 10.12000/JR16019
参考文献 (17)

目录

    /

    返回文章
    返回