邵永社，韩 阳，吕倩利，杨书娟

（1.同济大学 测量与国土信息工程系，上海200092；2.同济大学 遥感空间信息技术研究中心，上海200092）

遥感影像的分类识别是遥感影像分析的重要内容.由于对地物光谱和成像影响因素的认知不足，遥感影像分类识别技术的应用受到极大限制.极化合成孔径雷达（polarized synthetic aperture radar，POLSAR，极化SAR）可以从地物本身极化散射机理出发，建立地物散射模型，较好地描述地物的成像特性，成为遥感影像分类识别的重要研究方向.

1997 年，英国学者Cloude 利用其提出的Cloude分解模型获得的散射熵H与表征地物散射机理的角度α，得到了著名的H／α分类算法［1］，从而走出了利用目标分解理论研究极化SAR 图像分类的第一步.随后，基于目标分解理论的极化SAR 图像分类方法，成为该领域近十年来研究热点和极有潜力的发展方向.为了改善H／α分类的性能，1998年，Lee等人结合H／α非监督分类算法和相干矩阵的统计特性，提出了WishartH／α非监督分类算法［2］，将H／α非监督分类的结果作为初始值，利用复Wishart聚类算法循环迭代，获得较好的分类结果.在2000—2002年，Pottier等对WishartH／α分类算法进一步改进，通过在初始化分类中增加各向异性度，提出了WishartH／（αA）（A为各向异性度）分类算法［3］，进一步提高了分类器性能.为了能够保持地物的极化散射特性，Lee等人于2004年进一步提出了Freeman分解与散射熵结合的复Wishart分类器地物分类算法［4－5］，利用Freeman分解提供的3种散射机理模型，将地物目标粗略划分为3大类别，然后在各大类别内进行基于Wishart迭代的小类合并与再次分类.由……