AdaBoost算法实现全极化SAR图像分类

文中提出了一种基于AdaBoost算法的全极化SAR(Synthetic Aperture Radar)图像分类方法。该方法将AdaBoost算法与HH、HV和VV三个极化通道数据结合起来,对全极化SAR图像进行分类,充分利用了极化信息和AdaBoost算法的快速收敛性。将该方法的仿真结果与H/α分类方法仿真结果进行比较,发现该方法分类模糊程度较低,在细节上分类更为准确,且在相同的情况下,该算法速度更快。

基于子孔径分析的极化散射机理研究

在用极化SAR数据研究极化散射机理时,利用的是大量不同方位观察角度下接收的目标散射数据,但通常极化散射特性随方位角的变化并未被考虑。文中提出利用子孔径分析方法研究极化散射机理。子孔径是在不同的方位观察角度下,对整个场景的响应。用子孔径方法分析高分辨率极化SAR图像,可以突出全孔径中雷达后向散射的瞬时变化,因此可用于各向异性特征和非平稳目标的检测。最后利用丹麦EMISAR获取的L波段极化SAR全孔径图像数据进行仿真验证,提出了一种计算相对标准偏差的方法来检测非平稳目标。

结合Freeman分解与子孔径散射特性的极化SAR图像分类

本文结合Freeman分解和子孔径分析,提出一种新的极化SAR图像分类算法。该方法首先利用子孔径分解,产生不同方位观察角度下的子孔径图像,再利用Freeman分解对各个子孔径图像提取三种散射机理成分的功率,平均后对类别进行细分,最后使用Wishart统计分类器对类别进行分类划分得到最终结果。该方法考虑了极化散射机理在不同方位观察角度下的变化,能够取得较好的分类效果,能够保存主要极化散射特性的纯度,同时还可以动态地设定分类类别数。最后利用EMISAR获取的极化SAR数据进行了仿真,验证了该方法的有效性。