钟 能 杨 文 杨祥立 郭 威

(武汉大学电子信息学院 武汉 430072)

基于混合Wishart模型的极化SAR图像非监督分类

钟 能 杨 文*杨祥立 郭 威

(武汉大学电子信息学院 武汉 430072)

极化合成孔径雷达图像非监督分类是极化SAR图像自动化解译的重要步骤，但是在非监督分类的过程中如何确定样本类数仍然是十分具有挑战性的问题。由于像素之间具有空间相关性，因此和基于像素的分类方法相比，基于区域的分类方法能得到更加鲁棒的结果。为此，该文提出了一种基于混合Wishart模型和密度峰值聚类的区域级极化SAR图像非监督分类方法。该方法首先使用SLIC算法对极化SAR图像进行过分割，生成多个超像素区域；然后采用混合Wishart模型对超像素区域进行建模，并且利用Cauchy-Schwarz散度来衡量不同超像素区域之间的距离；最后通过密度峰值快速搜索聚类算法得到PolSAR图像的非监督分类结果。在不同极化SAR图像上的实验结果表明了该文方法的有效性。

极化SAR图像；非监督分类；混合Wishart模型；密度峰值

1 引言

极化合成孔径雷达(Polarimetric Synthetic Aperture Radar, PolSAR)是一种先进的对地观测技术，不易受天气时间等因素的影响，能够长期获取感兴趣目标的几何结构和物理特性等信息[1]。作为极化SAR数据信息提取和自动化解译的重要步骤，极化SAR图像分类技术得到了深入的研究。目前，极化SAR图像分类已被广泛应用于土地覆盖分类、灾害监测、地质勘探和城市规划等领域[2]。通常，极化SAR图像分类方法按照是否需要标记样本可以分为监督分类、半监督分类和非监督分类。……