孙 勋黄平平涂尚坦杨祥立

①(武汉大学电子信息学院 武汉 430072)

②(内蒙古工业大学雷达技术研究所 呼和浩特 010051)

③(上海卫星工程研究所 上海 200240)

利用多特征融合和集成学习的极化SAR图像分类

孙 勋①黄平平*②涂尚坦③杨祥立①

①(武汉大学电子信息学院 武汉 430072)

②(内蒙古工业大学雷达技术研究所 呼和浩特 010051)

③(上海卫星工程研究所 上海 200240)

该文提出了一种利用多特征融合和集成学习的极化SAR图像监督分类算法。该算法首先提取极化SAR图像的多重特征，包括EPFS特征，Hoekman分解特征，Huynen分解特征，H/alpha/A分解特征以及扩展四分量分解特征。为保证集成学习中基本分类器的差异性与准确性，算法从5组特征集中每次随机选取两组不同的特征进行串联融合，作为SVM分类器的输入。最后，利用随机森林学习算法将所有基本分类器的预测概率集成输出最终分类结果。像素级和区域级的分类实验表明了该文算法的有效性。

极化合成孔径雷达；集成学习；监督分类

1 引言

合成孔径雷达(Synthetic Aperture Radar, SAR)是一种先进的微波成像系统[1]，主动发射电磁波并接收目标的散射回波实现对目标的探测，具有全天时、全天候和高分辨率成像的遥感对地观测能力。SAR图像分类是SAR图像解译的重要研究内容，在地质勘探、地形制图、植被生长状况评估、城市规划以及海洋监测等方面得到广泛应用[2]。与单极化SAR图像相比，极化SAR(Polarimetric SAR, PolSAR)系统能得到多个极化通道数据，能更完整地表征地物散射特性。利用PolSAR数据的分类已成为SAR图像处理的主要研究方向之一。……