雷达学报

作者：滑文强, 王爽, 郭岩河, 谢雯

单位：①.西安邮电大学计算机学院   西安   710121；②.西安邮电大学陕西省网络数据分析与智能处理重点实验室   西安   710121；③.智能感知与图像理解教育部重点实验室 国际智能感知与计算联合研究中心西安电子科技大学   西安   710071；

关键词：极化SAR图像, 地物分类, 半监督, 最小生成树

基金：国家自然科学基金面上项目(61771379)，陕西省普通高等学校重点学科专项

该文针对极化SAR图像分类中只有少量标记样本的问题，提出了一种基于邻域最小生成树的半监督极化SAR图像分类方法。该方法针对极化SAR图像以像素为分类对象的特点，结合自训练方法的思想，利用极化SAR图像像素点的空间信息，提出了基于邻域最小生成树辅助学习的样本选择策略，增加自训练过程中被选择无标记样本的可靠性，扩充标记样本数量，训练更好的分类器。最终用训练好的分类器对极化SAR图像进行测试。对3组真实的极化SAR图像进行测试，实验结果表明，该方法在只有少量标记样本的情况下能获得满意的分类结果，且分类正确率明显优于传统的分类算法。

来源：2019年第4期

《雷达学报》期刊编辑部

查看雷达学报杂志2019年第4期