基于匹配追踪选择集成的极化SAR图像分类方法

摘要

本发明公开了一种基于匹配追踪选择集成的极化SAR图像分类方法，主要解决现有技术训练样本选择难，运算复杂度高的问题。其实现步骤是：1.极化SAR图像输入，并进行特征提取；2.从提取特征后的极化SAR图像每一类中选取已知类别的样本组成训练样本集，并对训练样本集进行随机划分，形成多个训练样本子集；3.通过分类算法对每个样本子集进行学得到预测类别；4.基于每个训练样本子集的预测类别和已知类别得到相应的系数，将对应0系数的训练样本子集删除；5.用权值系数将所得预测类别进行加权合得到最终的分类结果。本发明具有识别精度高，运算时间短，计算复杂度低的优点，可用于对多种类型地物的分类和解析。

主权项

一种基于匹配追踪选择集成的极化SAR图像分类方法，包括如下步骤：(1)输入包含有c类地物的极化SAR图像，并进行特征提取，得到极化SAR图像数据集其中d是特征数；(2)从极化SAR图像数据集中选取已知其类别{Y₁,…Y_i…,Y_m}，i＝1,…,m的多个样本点组成初始样本集S，并对该样本集S进行随机划分，获得m个样本子集{S₁,…S_i…,S_m}，i＝1,…,m；(3)通过分类器算法分别对这m个子集{S₁,…S_i…,S_m}进行学习分类，获得其对应的预测类别{h₁,…h_i…,h_m}，i＝1,…,m；(4)基于子集S_i对应的预测类别和其已知类别Y_i，获得对应于每一个训练样本子集的权重系数α_i，i＝1,…,m；(5)利用获得的权重系数α_i，将极化SAR图像m个体样本的分类结果合并在一起，得到像素点最终的预测类别Label。