极化SAR图像的聚类序列投影寻踪模型方法

针对极化SAR数据的分类问题,提出了序列投影寻踪模型方法进行极化SAR数据的无监督分类。该方法的特点是利用目标散射的极化相似性参数来表征目标特征;通过遗传算法逐步给出投影寻踪方法中的最佳投影,以获取高维数据的一维投影特征;进而采用EM算法估计混合模型的参数;最后由Bayes决策准则实现分类。该文对旧金山湾地区的极化SAR数据进行分类,得到了好的分类结果,实例计算结果分别与采用强度特征的无监督分类结果和直接利用散射熵-散射角分类的结果进行了比较,说明新方法对于极化SAR数据的分类具有明显的优越性。

快速实现投影寻踪方法并分类极化SAR图像

针对序列投影寻踪聚类模型用于多视极化SAR图像分类存在的速度慢的问题,文章提出了一种基于Bootstrap方法的快速投影寻踪实现方法。文中定义了拟最佳投影方向,给出了用于分类的Bootstrap样本选取准则,于是,只需要较少的样本就可寻找到拟最佳投影方向,实现极化SAR图像的快速分类。分类结果和原有的序列投影寻踪聚类分类结果一样,与直接采用极化散射特性的方法相比,都能极大地改进分类结果。同时相比于原有算法又极大地提高算法实现的速度。