贝叶斯集成框架下的极化SAR图像分类

被引：25

作者：

陈博 ^{[1
]}

王爽 ^{[1
]}

焦李成 ^{[1
]}

刘芳 ^{[2
]}

毛莎莎 ^{[1
]}

机构：

[1] 西安电子科技大学智能感知与图像理解教育部重点实验室

[2] 西安电子科技大学计算机学院

来源：

西安电子科技大学学报 | 2015年 / 42卷 / 02期

关键词：

极化合成孔径雷达; 图像分类; 贝叶斯集成;

D O I：

暂无

中图分类号：

TN957.52 [数据、图像处理及录取];

学科分类号：

083905 [应用与数据安全及新兴信息技术安全];

摘要：

对于极化合成孔径雷达(SAR)图像,由于雷达角度和地物形状导致属于同一类的数据可能存在较大的差异性.针对此问题提出了一种基于贝叶斯集成框架的极化SAR图像分类方法.该算法采用贝叶斯集成,通过学习不同个体而获得的分类面来改善极化SAR图像分类性能.首先,输入极化SAR图像,并获得其对应的极化SAR数据及特征.从图像的每一类中任意选择像素点作为图像分类的原始训练样本,并对其进行随机划分获得不同的样本子集.然后,基于获得的样本子集构造对应极化SAR图像的贝叶斯集成框架.最后,通过构造的贝叶斯集成框架对极化SAR图像进行分类.特别在构造贝叶斯集成框架中采用支撑矢量机作为基本的分类器算法.实验结果表明,所提出的算法相比经典的极化SAR分类方法和单个SVM的极化SAR分类方法获得更好的分类性能.

引用

页码：45 / 51

页数：7

共 7 条

[1]

斜视圆迹环扫SAR模式特性分析及成像方法 [J].