胡 涛 李卫华 秦先祥* 王 鹏 余旺盛 李 军

①(空军工程大学信息与导航学院 西安 710077)

②(国防科技大学电子对抗学院 合肥 230037)

1 引言

极化合成孔径雷达(Polarimetric Synthetic Aperture Radar， PolSAR)是一种先进的遥感信息获取手段[1]。与单极化相比，它通过测量每个分辨单元在不同收发极化组合下的散射特性，更完整地记录了目标后向散射信息，为详尽分析目标散射特性提供了良好的数据支持[2]。PolSAR图像地物分类的目的在于将图像划分成一系列具有特定语义信息的图像区域，是PolSAR图像理解和解译过程中的重要内容[3]。

传统的PolSAR图像地物分类方法主要通过目标分解和统计分布来实现。极化数据的目标分解方法有很多，如Cloude分解[4]和Freeman分解等[5]。统计分布模型主要有Wishart分布[6]和K分布[7]等。Lee等人[6]将目标分解和分布模型结合，提出了-Wishart方法，有效提高了地物分类精度。然而，这类方法没有考虑图像的上下文信息，易受相干斑噪声影响，因此很多研究者开始关注利用上下文信息的地物分类方法[3，8]。文献[3]在融合极化特征的基础上通过条件随机场(Conditional Random Field， CRF)模型利用上下文信息，能够得到区域一致性好的结果。上述方法利用的特征主要包括基于极化矩阵的组合变换、基于目标分解理论的特征参数和纹理特征等[9]。这些特征通常是针对具体问题进行设计，对先验知识的依赖程度较高，在很多情况下其表征能力往往不尽人意。解决该问题的一种常用思路是从PolSAR图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类，但提取的高维特征往往包含大量冗余不相关信息，将导致部分特征向量的分类能力减弱或丧失[10]。……