结合ICA相干斑抑制的全极化SAR图像分类

被引：5

作者：

王海江 ^{[1
]}

皮亦鸣 ^{[1
]}

陈红艳 ^{[2
]}

机构：

[1] 电子科技大学电子工程学院

[2] 西南科技大学信息工程学院

来源：

电子学报 | 2006年 / 12期

关键词：

独立分量分析; 全极化SAR; 相对相位信息; 相干斑抑制; Pauli分解; 颜色通道;

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：

080904 ; 0810 ; 081001 ; 081002 ; 081105 ; 0825 ;

摘要：

本文提出了一种结合相干斑抑制的全极化SAR(Synthetic Aperture Radar)图像分类新方法.该方法先对图像数据做Pauli分解,获得三个极化组合通道,并分别用三种颜色表示这三个极化组合;再用独立分量分析稀疏编码(ICA-SCS)算法对各颜色通道进行相干斑抑制,最后把三个颜色通道混合,实现了对图像信息的分类.该方法很好的保留了极化通道间的相对相位信息,同时,相干斑抑制后的数据直接用于图像分类,不需要再做任何极化通道组合.对真实SAR图像的分类结果表明,该方法对分类效果和精度有明显改善.

引用

页码：2185 / 2189

页数：5

共 9 条

[1]

New decomposition of the radar target scatteringmatrix. Krogager E. Electronics Letters . 1990

[2]

Independent Component Analysis. Hyvarinen A,et al. . 2001

[3]

An entropy based classification schemefor land applications of polarimetric SAR. Cloudy S R,,Pottier E. IEEE Transac-tions on Geosciences and Remote Sensing . 1997

[4]

A novel theory of SAR image restorationand enhancement with ICA. Chen C H,Wang X. Geoscience and Remote Sens-ing Symposium,IGARSS’04Proceedings . 2004

[5]

Noisy independent component analysis,maximumlikelihood estimation,and competitive learning. Hyvarinen A. IEEE Inter-national Conference on Neural Networks-Conference Proceed-ings . 1998

[6]

Polarimetric speckle reduction using multi-texture maximum likelihood method. Pi Yi-ming,et al. IEE Electronic Letter . 2003

[7]

Proceedings[C]. 2011 2nd Asia-Pacific Conference on Wearable Computing Systems (APWCS 2011);2011 International Conference on Intelligent Control and Information Technology(ICICIT 2011),2011

[8]

Properties of speckle integratedwith a finite aperture and logarithmically transformed. Arsenault H H,April G. Journal of the Optical Society of America . 1976

[9]

Polarimetric SAR speckle filteringand its implication for classification. Lee J S,Mitchell R,et al. IEEE Transactions onGeosciences and Remote Sensing . 1999

← 1 →