基于超像素与LightGBM的极化SAR图像地物分类

极化合成孔径雷达(SAR)图像的相干斑噪声降低了地物分类的准确率;联合极化SAR图像众多特征分类,过大的输入特征维度导致分类耗时长。为解决上述问题,提出一种基于超像素与LightGBM的分类算法。该算法充分利用极化SAR图像的极化特征与纹理特征,具备较强的分类能力;采用LightGBM处理大维度输入特征,能够快速得到基于像素的初级分类结果;利用SLIC生成基于超像素的极化SAR图像,并在各超像素内逐像素投票得到基于超像素的二级分类结果,抑制了相干斑的影响。利用实测极化SAR数据进行实验,分类的总体准确率超过97%,且分类耗时短。