结合特征选择和大尺度谱聚类的极化SAR图像非监督分类

被引：4

作者：

孙勋 ^{[1
]}

杨祥立 ^{[1
]}

涂尚坦 ^{[2
]}

黄平平 ^{[3
]}

杨文 ^{[1
]}

机构：

[1] 武汉大学电子信息学院

[2] 上海卫星工程研究所

[3] 内蒙古工业大学雷达技术研究所

来源：

信号处理 | 2016年 / 32卷 / 06期

关键词：

极化合成孔径雷达; 特征选择; 非监督分类; 谱聚类;

D O I：

10.16798/j.issn.1003-0530.2016.06.007

中图分类号：

TN957.52 [数据、图像处理及录取];

学科分类号：

080904 ; 0810 ; 081001 ; 081002 ; 081105 ; 0825 ;

摘要：

非监督分类是极化SAR图像解译的重要手段,但其分类结果易受到高维特征的影响。针对此问题,本文提出一种结合特征选择和大尺度谱聚类的极化SAR图像非监督分类方法。该方法首先深入分析并提取了极化SAR图像分类中常用的特征参数,包括基于测量数据及其简单线性变换的特征和极化目标分解的特征。然后通过聚类森林特征选择算法进行特征降维处理,去除冗余信息。最后利用过分割产生代表点并构建原始数据与代表点间的二分图,通过大尺度谱聚类算法完成图像的非监督分类。实验结果表明,该方法能够选取有效的特征组合,并得到较为满意的分类效果。

引用

页码：684 / 693

页数：10

共 8 条

[1] 极化SAR图像的联合加权极化差异度变化检测算法 [J].

韩萍 ;

丛润民 .

信号处理, 2013, 29 (10) :1390-1397

[2] 结合EM/MPM算法和Voronoi划分的图像分割方法 [J].

赵泉华 ;

李玉 ;

何晓军 .

信号处理, 2013, (04) :503-512

[3] 结合目标先验信息的检测图像网格聚类算法 [J].

王玉明 ;

宋千 ;

黄晓涛 ;

王鹏宇 .

信号处理, 2012, (11) :1565-1574

[4] Unsupervised classification of polarimetric SAR imagery using large-scale spectral clustering with spatial constraints [J].

Song, H. ;

Yang, W. ;

Bai, Y. ;

Xu, X. .

INTERNATIONAL JOURNAL OF REMOTE SENSING, 2015, 36 (11) :2816-2830

[5]

Cluster Forests [J] . Donghui Yan,Aiyou Chen,Michael I. Jordan.&nbsp&nbspComputational Statistics and Data Analysis . 2013

[6] A tutorial on spectral clustering [J].

von Luxburg, Ulrike .

STATISTICS AND COMPUTING, 2007, 17 (04) :395-416

[7]

Unsupervised feature selection for multi-cluster data .2 Dend Cai,ChiYuan Zhang,XiaoFei He. International conference on Knowledge discovery and data mining . 2010

[8]

Spectral Feature Selection for Supervised and Unsupervised Learning .2 Zhao Z,Liu H. Proceedings of the 24th international conference on Machine learning . 2007

← 1 →