典型文献
面向对象的PolSAR图像SVM分类
文献摘要：
极化合成孔径雷达(PolSAR,polarimetric synthetic aperture radar)图像具有强相干斑噪声和大场景特点,为此提出一种面向对象的支持向量机(SVM,support vector machine)分类算法.算法首先通过超像素分割产生待分类对象,以此减少分类处理单元,同时实现特征滤波降噪;然后通过转换矩阵提取信息完备且具有简单统计描述的雷达散射截面积特征;最后,选择在小样本条件下仍具有较强学习能力和泛化能力的SVM分类器实现图像分类.用公开的实测San Francisco数据进行实验,实验结果表明:该算法相对于对比算法在准确率上提升约10％.
文献关键词：
极化合成孔径雷达(PolSAR);面向对象;支持向量机(SVM);超像素分割
中图分类号：
作者姓名：
韩宾宾;韩萍;程争
作者机构：
中国民航大学 电子信息与自动化学院,天津 300300;中国民航大学 工程技术训练中心,天津 300300
文献出处：
引用格式：
[1]韩宾宾;韩萍;程争-.面向对象的PolSAR图像SVM分类)[J].中国民航大学学报,2022(01):21-26
A类：
B类：
面向对象,PolSAR,极化合成孔径雷达,polarimetric,synthetic,aperture,radar,相干斑噪声,大场景,support,vector,machine,分类算法,超像素分割,少分,分类处理,处理单元,降噪,转换矩阵,提取信息,信息完备,统计描述,雷达散射截面积,小样本,样本条件,泛化能力,分类器,图像分类,San,Francisco,对比算法
AB值：
0.425783
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
