秦先祥 余旺盛 王 鹏 陈天平 邹焕新

①(空军工程大学信息与导航学院 西安 710077)

②(国防科技大学电子科学学院 长沙 410073)

1 引言

合成孔径雷达(Synthetic Aperture Radar,SAR)是一种主动式微波成像传感器，可以不受云雨等天气影响，全天时、全天候成像，能够获取地物或目标丰富的信息。与常规的单极化SAR相比，极化SAR能同时工作在多种极化收发组合下，信息获取能力更强，这使得极化SAR图像的应用倍受关注[1]。极化SAR图像分类是当前SAR图像解译领域的一个热点研究方向，在军事和民用领域都具有重要的应用价值。例如，在军事上可用于目标毁伤评估和态势理解等；在民用方面可用于城市规划、农作物生长监视、灾情评估和海洋开发评估等[2–5]。

根据是否采用标记的训练样本，极化SAR图像分类方法可以分为无监督[6–10]和监督[5,11–13]分类方法两大类。前者无需标注的训练样本，主要从数据自身特点出发，利用数据间的相似性实现数据的聚类划分，或根据极化分解方法将各像素划分为特定的散射机理类别。这类方法通常易于实现、自动化程度较高，但在实际中也面临诸多问题：例如类别数目难以有效确定，或者感兴趣的类别与散射机理类别不一致而难以满足实际需求等。相比之下，后者先获得标注的训练样本，这些样本不仅反映了用户对类别数目的要求，还蕴含了各指定类别的数据特点，从而能够更有针对性地训练分类器，分类精度往往更高，所得结果与具体应用需求也更为吻合。

近……